医学图像分割

作品数：726被引量：2460H指数：20
导出分析报告
相关领域：自动化与计算机技术医药卫生更多>>
相关作者：何良华雷涛李伟生宋余庆丁熠更多>>
相关机构：电子科技大学山东大学吉林大学西安电子科技大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金中央高校基本科研业务费专项资金国家重点基础研究发展计划山东省自然科学基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
MCNet:融合多层感知机和卷积的轻量级病变区域分割网络
《河南师范大学学报(自然科学版)》2025年第3期96-103,共8页申华磊 上官国庆 袁成雨 陈艳浩 刘栋 
国家自然科学基金(62072160);河南省科技攻关项目(232102211024).
针对现有医学图像分割网络存在计算量大、对硬件资源要求高和推理速度慢等不足,提出一种轻量级快速分割网络MCNet.MCNet采用编码器-解码器架构,使用多层感知机(MLP)和卷积分别提取并融合医学图像的全局特征和局部特征,以减少网络参数量...
关键词：医学图像分割 深度神经网络 多层感知机(MLP) 轻量级网络 
面向腺体组织病理学图像分割的改进U2-Net模型
《小型微型计算机系统》2025年第4期914-921,共8页张正旭 陈庆奎 付直兵 黄陈 
国家自然科学基金项目(61572325)资助;上海重点科技攻关项目(19DZ1208903)资助.
结直肠癌是全球癌症患病人数当中致死率最高的癌症之一,为提高结直肠腺体的分割准确率,本文把U2-Net引入到医学图像分割领域,并对其改进以提高分割效果.首先,为减弱下采样带来的细节特征丢失和上采样时插值误差,在RSU内部的桥接处引入A...
关键词：U2-Net 结直肠 医学图像分割 DICE 
基于全局多分支融合匹配注意力的医学图像分割模型
《软件导刊》2025年第4期147-153,共7页郭宇辰 罗会兰 
国家自然科学基金项目(61862031);江西省自然科学基金重点项目(20232ACB202011);江西省主要学科学术和技术带头人培养计划——领军人才项目(20213BCJ22004)。
为了解决医学图像分割中模型忽略同一解剖结构在不同尺度下存在相似表征的问题,提出基于全局多分支融合匹配注意力的模型(MFP Net)。多分支融合(MFF)模块将模型编码器不同阶段下不同尺度的特征进行统一,并搜集相似的特征信息;全局匹配...
关键词：医学图像分割 多分支融合 全局匹配注意力 
引入解耦残差自注意力的边界交叉监督语义分割网络
《计算机应用》2025年第4期1120-1129,共10页姜坤元 李小霞 王利 曹耀丹 张晓强 丁楠 周颖玥 
国家自然科学基金资助项目(62071399,62201479);四川省科技计划项目(2023YFG0262)。
针对内镜语义分割网络中病灶边缘信息丢失和大面积病灶分割不全的问题,提出一种引入解耦残差自注意力(DRA)的边界交叉监督语义分割网络(BCS-SegNet)。首先,引入DRA,以增强网络对远距离关联性病灶的学习能力;其次,构建跨级交叉融合(CLF)...
关键词：食管内镜图像 医学图像分割 自注意力机制 二维Gabor变换 多尺度边缘特征 
位置信息增强的TransUnet医学图像分割方法
《计算机科学与探索》2025年第4期976-988,共13页赵亮 刘晨 王春艳 
辽宁省教育厅青年基金项目(LJKQZ2021154)。
医学图像分割能够辅助医生快速准确地识别医学图像中的器官和病变部位,对提高临床诊断的效率有重要的价值。结合Transformer的U-Net是当前医学图像分割领域的主流方法,但是Transformer对于局部信息的提取能力较弱,并且U-Net结构在上采...
关键词：医学图像分割 TRANSFORMER 特征融合 位置编码 
深度学习下的医学图像分割综述
《计算机工程与应用》2025年第7期25-41,共17页邢素霞 李珂娴 方俊泽 郭正 赵士杭 
国家自然科学基金(61671028);北京市自然科学基金(KZ202110011015)。
针对医学图像的高维性、复杂性和高精度要求等特性,深度学习下的医学图像分割方法凭借其强大的特征提取能力和对复杂模式的学习能力,能够自适应地从大量数据中学习并提取多层次特征,展现出高精度、高鲁棒性和可扩展性强等优势。通过端...
关键词：医学图像分割 深度学习 U-Net TRANSFORMER Mamba 分割一切模型(SAM) 
融合膨胀卷积和残差混合注意力的前交叉韧带图像分割
《生物医学工程学杂志》2025年第2期246-254,共9页尚鹏 汪宇玲 
国家自然科学基金(62066003);国家留学基金项目(CSC202208360143);江西省自然科学基金(2024BAB25062)。
针对膝关节前交叉韧带图像分割存在精度不高、分割边界距离相差较大的问题,本文提出一种融合膨胀卷积和残差混合注意力的U形网络(DRH-UNet)的前交叉韧带图像分割模型。该模型在U形网络(UNet)的基础上融合膨胀卷积扩大感受野,能更好地理...
关键词：医学图像分割 前交叉韧带 混合注意力机制 U型网络 膨胀卷积 
基于卷积注意力和空洞空间注意力的U型医学图像分割模型
《电脑知识与技术》2025年第7期17-20,共4页姜宁 
为了解决医学图像分割中特征信息不足和目标定位不准确的问题,该文基于SegNeXt和DSNet提出了一种基于卷积注意力和空洞空间注意力的U型医学图像分割模型(SegxUnet)。文章首先输入图像通过双尺度卷积注意力模块构建的编码器(Encoder),提...
关键词：医学图像分割 编码器(Encoder) 解码器(Decoder) 卷积注意力 空洞空间注意力 
乳腺肿瘤影像分割:基于U-Net的研究与发展综述
《临床医学进展》2025年第3期892-902,共11页贺亚萌 
在乳腺癌的诊断与治疗过程中,乳腺肿瘤影像分割技术扮演着至关重要的角色,其精确度直接关系到病理分析的准确性及临床决策的有效性。近年来,U-Net及其改进模型在乳腺影像分割领域取得了显著的进展。U-Net的编码–解码结构和跳跃连接设...
关键词：乳腺肿瘤影像 医学图像分割 U-Net 网络结构优化 
改进U-Net的注意力特征增强息肉分割网络
《图像与信号处理》2025年第1期74-84,共11页王志敏 冯跃 秦浩 田霞 梁洁欣 孙千帅 曾军英 
广东省普通高校重点领域专项项目(2021ZDZX1032);广东省国际及港澳台高端人才交流专项(2020A1313030021);五邑大学科研项目(2018GR003);江门市社会发展领域科技计划项目(2024)。
在肠道息肉分割任务中,由于息肉病变区域与周围正常组织颜色对比度不高,且边界模糊,这导致分割过程中容易丢失关键信息,并受到噪声干扰,影响分割质量。为了解决这些问题,提出一种改进的U-Net模型EEPSNet。首先,EEPSNet通过将普通卷积与...
关键词：肠道息肉 息肉图像分割 深度学习 U型网络 注意力机制 医学图像分割 注意力特征融合 
全选清除导出
共71页<12345678910>
检索报告 对象比较 聚类工具 使用帮助 返回顶部