文献类型：期刊文章

作　　者：龙法宁[1] 朱晓姝[1,2] 甘井中[1]

LONG Faning;ZHU Xiaoshu;GAN Jingzhong(School of Computer Science and Engineering,Yulin Normal University,Yulin 537000,China;Guangxi Universities Key Laboratory of Complex System Optimization and Big Data Processing,Yulin Normal University,Yulin 537000,China)

机构地区：[1]玉林师范学院计算机科学与工程学院,广西玉林537000 [2]玉林师范学院广西高校复杂系统优化与大数据处理重点实验室,广西玉林537000

出　　处：《合肥工业大学学报（自然科学版）》

基　　金：广西壮族自治区自然科学基金资助项目(2013GXNSFAA019337);广西教育厅重点科研资助项目(2013ZD056);广西青年自然科学基金资助项目(2014GXNSFBA118010;2014GXNSFBA118268)

年　　份：2018

卷　　号：41

期　　号：9

起止页码：1191-1195

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：近几年卷积神经网络(convolutional neural network,CNN)在图像处理、语音识别、自然语言处理以及信息检索等领域得到广泛应用,颈部臂丛神经超声图像具有较低的信噪比、较低的对比度、模糊的边缘,其分割是一项富有挑战性的工作。文章针对目前臂丛神经超声图像手工标注的训练样本较少的情况,对U-Net模型进行改进,构建了一个适用于臂丛神经分割的卷积神经网络模型QU-Net,并选择BP图像数据库进行训练、测试。实验结果表明,与主流神经卷积网络分割算法SegNet、U-Net相比,QU-Net的图像分割结果具有更高的准确性。

关 键 词：臂丛神经 图像分割 卷积神经网络(CNN)  深度学习  U-Net模型  

分 类 号：TP391.41]