基于MSCA-UNet模型的肝脏CT图像分割

	基于MSCA-UNet模型的肝脏CT图像分割
	王堃; 刘祥强
	2020
发表期刊	移动信息
期号	8 页码:00018-00021
摘要	在计算机断层扫描图像中,肝脏与周围器官的灰度值接近,而且不同病人的肝脏轮廓有较大差异,使得从CT图像中分割肝脏依然是医学图像处理领域的一个难题。文章提出了MSCA-UNet模型用于肝脏分割。在编码阶段,该模块融合不同尺度的卷积核的输出,有效挖掘了不同尺度的特征;提取的特征以注意力的方式作用于该模块的输入特征,进而逐步过滤掉与肝脏分割无关的组织,提升分割精度;模型输出的结果使用三维最大连通域加以优化。实验表明,在样本集LiTS上,与U-Net等模型相比,所提出的MSCA-UNet有更高的分割精度。
关键词	肝脏分割多尺度卷积注意力计算机断层扫描
URL	查看原文
ISSN	1009-6434
语种	中文
中图分类号	TP391.41
文献类型	期刊论文
条目标识符	http://ir.lzufe.edu.cn/handle/39EH0E1M/23534
专题	信息工程与人工智能学院
作者单位	兰州财经大学,甘肃兰州730000
第一作者单位	兰州财经大学
推荐引用方式 GB/T 7714	王堃,刘祥强. 基于MSCA-UNet模型的肝脏CT图像分割[J]. 移动信息,2020(8):00018-00021.
APA	王堃,&刘祥强.(2020).基于MSCA-UNet模型的肝脏CT图像分割.移动信息(8),00018-00021.
MLA	王堃,et al."基于MSCA-UNet模型的肝脏CT图像分割".移动信息 .8(2020):00018-00021.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于 MSCA-UNet 模型的肝脏 C（1152KB）	期刊论文	作者接受稿	暂不开放	CC BY-NC-SA	请求全文