Faster RCNN和LGDF結合的肝包蟲病CT圖像病灶分割
所屬分類：技術論文
上傳者：aetmagazine
文檔大?。?span>710 K
標簽： faster RCNN LGDF 深度學習
所需積分：0分積分不夠怎么辦？
文檔介紹：針對人工閱片工作量大、閱片質量不佳且容易出現漏檢、錯判等問題，將Faster RCNN目標檢測模型應用于肝包蟲病CT圖像的檢測，并對目標檢測模型進行改進：基于圖片分辨率低、病灶大小不同的特點，使用網絡深度更深的殘差網絡(ResNet101)代替原來的VGG16網絡，用以提取更豐富的圖像特征；根據目標檢測模型得出的病灶坐標信息引入LGDF模型進一步對病灶進行分割，從而輔助醫(yī)生更高效的診斷疾病。實驗結果表明，基于ResNet101特征提取網絡的目標檢測模型能夠有效提取目標的特征，檢測準確率相比原始檢測模型提高2.1%，具有較好的檢測精度。同時，將病灶坐標信息引入LGDF模型，相比于原始的LGDF模型更好地完成了對肝包蟲病病灶的分割，Dice系數提高了5%，尤其對多囊型肝包蟲病CT圖像的分割效果較好。
現在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。