科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来，深度学习在医学图像处理中的应用越来越广泛。UNet作为医学图像分割的主要方法，虽然具备一定的优势，但在细节处理及精确度上仍不够理想。为了优化分割效果，本研究提出一种改进的UNet分割模型。该模型在UNet的网络架构基础上，使用残差连接代替编码器和解码器之间的跳跃连接；同时将编码器中卷积操作更改为双通道多尺度卷积，并在编码器中加入挤压激励块。在Kvasir-SEG、CVC-ClinicDB、ISIC2018三个数据集上的实验结果表明，该模型与其它几种UNet改进算法相比，分割精度有所提高。
-
单位漳州职业技术学院
