为解决脑卒中病变的人工定位和定量分析耗时且缺乏一致性的问题,提出了基于多尺度U-Net深度网络模型,从非增强计算机断层扫描影像中分割脑卒中病变的高密度征,同时使用Dice损失函数训练模型以对抗数据中类不平衡问题。实验数据表明:该模型可端到端的以数据驱动的方式自动学习高密度征显著特征,有效地分割脑部小病灶区域。
科研之友
微信
新浪微博
Facebook
分享链接
