科研之友
微信
新浪微博
Facebook
分享链接
摘要
臂丛神经超声影像信噪比（SNR）低、边缘模糊且人工分割难度较大。现有的分割模型虽然取得了一些成果，但碍于臂丛神经结构目标区域小、形状不规则，分割效果欠佳。针对上述问题，设计基于多尺度特征融合的臂丛神经分割模型，即针对神经部位分割的特征金字塔网络（Ner-FPN）。在特征提取阶段，设计一种仿Xception的结构进行多尺度特征提取；在预测分割阶段，采用双向FPN结构进行特征融合预测。在Kaggle臂丛神经超声影像分割竞赛的BP数据集上的实验结果表明，Ner-FPN模型对臂丛神经分割的Dice相似系数（DSC）可达0.703，与主流的深度学习分割模型U-Net、SegNet相比，分别提高了10.7个百分点和14.5个百分点，对比相同数据集中的其他改进模型QU-Net和Efficient+U-Net,DSC分别提高了5.5个百分点和3.4个百分点，可见所提模型能够起到辅助诊断的效果。
- 单位
