科研之友
微信
新浪微博
Facebook
分享链接
摘要
胎儿脑部超声图像中颅骨光环之外的区域包含大量无关信息,不利于超声图像分类或识别任务。提出一种改进的全卷积网络实现胎儿脑部超声图像中颅骨光环的分割与提取。使用多种生产环境下的数据集,在原始U-Net神经网络中加入空洞卷积和原方法进行比较。实验表明,加入空洞卷积的分割模型更高效地提取胎儿脑部超声图像中的颅骨光环,能够作为胎儿脑部超声图像识别和分类任务中消除噪声的有效方法。
- 单位
胎儿脑部超声图像中颅骨光环之外的区域包含大量无关信息,不利于超声图像分类或识别任务。提出一种改进的全卷积网络实现胎儿脑部超声图像中颅骨光环的分割与提取。使用多种生产环境下的数据集,在原始U-Net神经网络中加入空洞卷积和原方法进行比较。实验表明,加入空洞卷积的分割模型更高效地提取胎儿脑部超声图像中的颅骨光环,能够作为胎儿脑部超声图像识别和分类任务中消除噪声的有效方法。
