-
公开(公告)号：CN115115661A
公开(公告)日：2022-09-27
申请号：CN202210957913.7
申请日：2022-08-10
Applicant: 哈尔滨理工大学
Abstract: 本发明提供一种基于Unet模型的肺实质图像分割方法，解决了基于深度学习的肺实质分割模型复杂度高、运算量大和参数多的问题，属于医学图像处理领域。本发明包括：获取待分割的肺实质CT图像；图像预处理；建立LUnet网络结构：以原始Unet模型为基础，使用预激活的残差模块替代编码路径中原有的卷积模块，并在编码路径和解码路径中间引入多尺度上下文模块，同时减少网络层数和调整每层的通道数；利用预处理好的肺实质CT图像对LUnet网络进行训练；将待分割的肺实质CT图像测试集输入训练好的LUnet网络获取分割结果。实验结果表明本发明相较于其它经典语义分割模型，具有参数少、运算量小和精确度高等优点，实现了肺实质图像的快速分割。
Search Results
1
records
(took 0.019 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
