基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对全自动分割算法因胰腺器官解剖变异性较高而难以实现准确定位的问题,文中提出嵌入压缩采样的编码器解码器网络.通过分阶段训练网络的方式,分割网络可级联在预训练阶段,从标签空间中感知的胰腺位置先验知识实现对分割目标的精准定位,保证分割结果与标签形状的一致性.胰腺器官分割实验表明,文中网络分割性能较优.
推荐文章
基于2.5D级联卷积神经网络的CT图像胰腺分割方法
卷积神经网络
胰腺分割
深度监督
腹部CT图像肾脏自动分割方法研究
肾脏分割
腹部CT图像
OTSU
区域标记
区域生长
基于超限学习机的腹部CT序列图像肝脏自动分割
腹部CT序列
肝脏分割
神经网络
超限学习机
腹部脂肪坏死的临床和CT表现
腹部
脂肪坏死
体层摄影术,X线计算机
肠脂垂炎
大网膜梗死
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 嵌入压缩采样的腹部CT胰腺分割网络
来源期刊 模式识别与人工智能 学科
关键词 医学图像 胰腺分割 编码器解码器网络 压缩采样模型
年,卷(期) 2021,(4) 所属期刊栏目 “智能医疗及医学图像处理”专辑|Intelligent Medical Treatment and Medical Image Processing
研究方向 页码范围 300-310
页数 11页 分类号 TP391
字数 语种 中文
DOI 10.16451/j.cnki.issn1003-6059.202104002
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (44)
共引文献  (1)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(9)
  • 参考文献(0)
  • 二级参考文献(9)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(6)
  • 参考文献(0)
  • 二级参考文献(6)
2018(7)
  • 参考文献(2)
  • 二级参考文献(5)
2019(5)
  • 参考文献(3)
  • 二级参考文献(2)
2020(3)
  • 参考文献(3)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
医学图像
胰腺分割
编码器解码器网络
压缩采样模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
模式识别与人工智能
月刊
1003-6059
34-1089/TP
16开
中国科学院合肥智能机械研究所安徽合肥董铺岛合肥1130信箱
26-69
1989
chi
出版文献量(篇)
2928
总下载数(次)
8
总被引数(次)
30919
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导