科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对人为无法及时从医学图像发现病理特征，最终导致病情恶化的问题，提出一种二次特征提取方法（ω-net），用来对肺、肝脏、细胞及脑质瘤进行分割。首先，将全尺寸的Unet网络作为一次特征提取路径，再将上采样路径的第三层作为起始层，用来扩展二次特征提取路径，以加强特征提取能力。其次，为了建立长期的通道依赖关系以及增强特征的位置信息，在不同的阶段引入两种新型注意力机制进行针对性优化。最后，复现了10种经典网络，在医学图像领域与基准网络Unet对比，所提网络的常用指标平均交并比、敏感性、精确度和准确率最高分别提升了0.0787、0.1287、0.1216、0.0201。经过在4种数据集上的指标数值和可视化结果比较，ω-net的多项性能指标均优于其他网络，证明了该网络的有效性与优越性。
-
单位贵阳铝镁设计研究院有限公司; 贵州大学
