科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对肺CT实质自动分割问题,提出了一种改进的U-Net模型。该模型充分结合了U-Net网络和循环卷积神经网络(RCNN)的优势,可以提取图像中更加细小的特征,在拥有较少数量网络参数的情况下获得良好的性能。该模型首先在编码和解码单元中,使用带有残差单元的循环卷积层代替U-Net模型中的前向卷积层。然后,从基本网络的端到端使用了有效的特征累积方法。最后,从原始的U-Net模型中删除了裁剪和复制单元,仅保留了级联操作。为了验证提出方法的性能,将提出的模型与当前最先进的模型在LUNA16数据集上进行了实验比较,实验结果显示,提出的分割模型在分割精度方面体现出一定的优越性。
- 单位
