排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
由于儿童心脏大小随年龄变化显著,且儿童心率较快,超声心动图心脏边界相较成人更模糊,因此儿科超声心动图的准确分割是一项具有挑战性的任务。针对上述问题,本文提出了一种结合通道注意力和尺度注意力的双解码器网络模型。首先,利用结合深监督策略的注意力引导解码器,获取心室区域的注意力图;然后,将产生的心室注意力通过跳跃连接返回到网络的多个层,调整编码器生成的特征权重,突出左右心室区域;最后,通过尺度注意力模块和通道注意力模块强化左右心室边缘特征。实验结果表明,本文所提方法在所采集的双侧心室分割数据集中,平均戴斯系数（DSC）达到90.63%,优于医学图像分割领域一些常规和最新方法,尤其在心室边缘处分割更清晰。本文的研究可为儿科超声心动图双侧心室分割以及后续先天性心脏病辅助诊断提供新的解决方案。 相似文献
2.
目的 研究基于激活层前置压缩激励残差网络（PASE-ResNet）的快速和准确的早期胃癌筛查算法。方法 构建一个基于激活层前置压缩激励残差网络的早期胃癌筛查算法。为聚焦任务相关的图像区域,提升模型的特征表达能力,将压缩激励模块（SE）与激活层前置残差网络（PreAct-ResNet）中的残差模块相结合,提高与任务相关的特征通道权重。此外,为提高早期胃癌的筛查性能,提出“局部筛查+全局滑窗”的策略,经数据扩充后得到数据集子图18 400幅。利用PASE-ResNet模型通过滑动窗口的方式对胃镜图像进行检测,获得了精细的筛查结果。结果 本文提出的模型在早期胃癌筛查中取得了98.03%的准确率、98.96%的灵敏度和96.52%的特异性值。结论 本文提出的基于激活层前置压缩激励残差网络,达到了较好的筛查精度,有望在临床中辅助医生快速诊断。 相似文献
1
