基于Unet的多任务医学图像语义分割模型 |
| |
引用本文: | 沈旭东,楼 平,吴湘莲,朱立妙,雷英栋.基于Unet的多任务医学图像语义分割模型[J].电子器件,2022,45(3):618-622. |
| |
作者姓名: | 沈旭东 楼 平 吴湘莲 朱立妙 雷英栋 |
| |
作者单位: | 嘉兴职业技术学院智能制造学院;同济大学浙江学院机械与汽车系 |
| |
基金项目: | 嘉兴市科技计划项目(2018AY11012) |
| |
摘 要: | 深度学习网络在医学图像分割领域应用广泛,针对传统语义分割模型只在局部像素点进行考虑,在小目标的医学图像语义分割中检测精度不高。本文提出了基于Unet的双任务图像语义分割模型,对传统的Unet语义分割进行改进,编码阶段采用经过预训练的Resnet34作为框架进行特征提取,设计了SCSE模块对图像特征信息进行修正,从空间和通道两个方向获取图像的全局信息,损失函数采用“分类”和“分割”融合的多任务策略进行学习,对气胸医学图像进行语义分割。为进一步提高网络模型的泛化能力,对数据集图像进行随机水平翻转、垂直翻转等图像增强处理,实验表明该语义分割方法比传统的Unet语义分割方法在分割精度上提高5%以上。
|
关 键 词: | 语义分割 气胸医学图像 多任务 |
|
| 点击此处可从《电子器件》浏览原始摘要信息 |
|
点击此处可从《电子器件》下载全文 |
|