排序方式: 共有2条查询结果,搜索用时 10 毫秒
1
1.
深度学习在医学影像分割领域吸引了广泛应用,其中2015年提出的U-Net因其分割小目标效果较好,结构具有可扩展性,自提出以来受到广泛关注.近些年来,随着医学图像割性能要求的提升,众多学者针对U-Net结构也在不断的改进和扩展,比如编解码器的改进,或是外接特征金字塔等.本文通过对基于U-Net结构改进的医学影像分割技术,从面向性能优化和面向结构改进两个方面进行总结,对相关方法进行了综述、分类和总结,并介绍图像分割中常用的损失函数、评价参数和模块,进而总结了针对不同目标改进U-Net结构的思路和方法,为相关研究提供参考. 相似文献
2.
1