文献类型：期刊文章

作　　者：黄泳嘉[1] 史再峰[1,2] 王仲琦[1] 王哲[1]

Yongjia Huang;Zaifeng Shi;Zhongqi Wang;Zhe Wang(School of Microelectronics,Tianjin University,Tianjin 300072,China;Tianjin Key Laboratory of Microelectronic Technology for Imaging and Sensing,Tianjin 300072,China)

机构地区：[1]天津大学微电子学院,天津300072 [2]天津市成像与感知微电子技术重点实验室,天津300072

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金(61674115);天津市自然科学基金(17JCYBJC15900)。

年　　份：2020

卷　　号：57

期　　号：22

起止页码：66-75

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对现有方法对肝部医学影像分割上的不足,提出了一种用于对肝部医学影像进行分割的改进型U-Net结构。在上采样过程中只复制池化层特征,以减少信息丢失;同时引入残差网络对初步分割图像进行循环精炼,实现高层特征与低层特征的融合;利用对边界敏感的新型混合损失函数对图像进行细化处理,得到更为精确的分割结果。实验结果表明,肝脏图像和肝脏肿瘤图像的Dice系数分别为96.26%和83.32%。相比传统的U-Net,所提网络可以获得更高级的语义信息,进一步提高对肝脏和肝肿瘤图像的分割精度。

关 键 词：图像处理  图像分割 肝部医学图像分割  U-Net  残差优化模块  混合损失函数  

分 类 号：TP391.4]