ω-net：一种用于多种医学图像的二次特征提取方法
摘要
针对人为无法及时从医学图像发现病理特征，最终导致病情恶化的问题，提出一种二次特征提取方法（ω-net），用来对肺、肝脏、细胞及脑质瘤进行分割。首先，将全尺寸的Unet网络作为一次特征提取路径，再将上采样路径的第三层作为起始层，用来扩展二次特征提取路径，以加强特征提取能力。其次，为了建立长期的通道依赖关系以及增强特征的位置信息，在不同的阶段引入两种新型注意力机制进行针对性优化。最后，复现了10种经典网络，在医学图像领域与基准网络Unet对比，所提网络的常用指标平均交并比、敏感性、精确度和准确率最高分别提升了0.0787、0.1287、0.1216、0.0201。经过在4种数据集上的指标数值和可视化结果比较，ω-net的多项性能指标均优于其他网络，证明了该网络的有效性与优越性。
引用本文（GB/T 7714）
吴昊 Wu Hao, 徐杨 Xu Yang, 曹斌 Cao Bin. ω-net：一种用于多种医学图像的二次特征提取方法[J]. Laser & Optoelectronics Progress, 2023.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。