全卷积深度迁移网络的联合分割

• 作者: 刘俊 李岩
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 超声治疗 全卷积网络 深度聚合 小数据集 迁移学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 图形图像处理
• 页码范围: 227-233
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1911-0287

摘要

近年来,随着超声空化在医疗上的应用,超声空化治疗又重新回到了人们的视野,因其在处理血管阻塞方面的天然的优势,引起了广泛的讨论和研究.为实现准确的实时治疗,提出了一种基于全卷积网络(Fully Convolutional Networks,FCN)的超声血管分割方法.全卷积深度迁移分割网络(Full Convolutional deep Aggregation Migration Network,AMFCN)通过对全卷积网络使用对称网络连接,深度聚合模式以深度提取图像特征,并优化数据增强方式,添加迁移学习模型等方法,有效地利用已有数据进行数据拓展,缓解医学图像数据过少的影响.实验结果表明,该研究方法在超声血管图像上取得了较好的分割性能,能准确地分割出血管区域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘俊		44	198	8.0	11.0
2	李岩		1	0	0.0	0.0