用于頸部超聲圖像的SED-UNet分割方法研究

打開(kāi)文本圖片集

摘  要：超聲圖像作為目前常用的醫(yī)療診斷手段之一，人工判讀超聲圖像很大程度上依賴(lài)于醫(yī)生主觀經(jīng)驗(yàn)知識(shí)，耗時(shí)耗力，難以滿足快速、批量的臨床診斷需求，因此提出了一種基于深度學(xué)習(xí)和可變形卷積U-Net的圖像分割模型SED-UNet。用可變形卷積結(jié)合BN和Dropout層對(duì)原網(wǎng)絡(luò)的卷積運(yùn)算進(jìn)行優(yōu)化改進(jìn)，提升網(wǎng)絡(luò)收斂性、增加網(wǎng)絡(luò)模型的魯棒性、提升模型的訓(xùn)練效率， 用SENet模塊在解碼階段的跳躍連接處進(jìn)行優(yōu)化改進(jìn)，提升分割準(zhǔn)確率，進(jìn)而構(gòu)建適用于頸部超聲圖像分割的卷積神經(jīng)網(wǎng)絡(luò)模型。（剩余16260字）