超声图像神经分割方法研究

• 作者: 徐晨阳 李梦昕 杨娟
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 深度学习 神经分割 卷积神经网络
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 研究报告
• 页码范围: 115-120
• 页数: 6页
• 分类号: TP18
• 语种: 中文
• DOI: 10.13190/j.jbupt.2017-151

摘要

为了提升超声图像中的神经分割效果,提出了一种新的网络结构残差U型网络.相比于现有的U-net网络,残差U型网络加深了网络结构,提高了网络的表达能力;通过对每层参数进行规范化处理,减少了训练时间,提高了神经分割效果.实验结果表明,残差U型网络在分割效果比U-net网络提升了约13％,比SegNet网络提升了约7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨娟	北京邮电大学通信软件工程中心	7	57	4.0	7.0
2	徐晨阳	北京邮电大学通信软件工程中心	1	1	1.0	1.0
3	李梦昕	北京邮电大学通信软件工程中心	1	1	1.0	1.0