基于U-Net的深度学习医学图像分割优化策略研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信

摘要：针对深度学习图像分割模型在医学应用中的性能局限性，研究数据增强、损失函数优化和模型结构创新对分割效果的提升作用。选用U-Net架构，基于BraTS数据集开展脑肿瘤分割仿真实验并引入多种优化策略，包括CutMix、Dice Loss与Cross-Entropy Loss组合，以及Attention机制，通过迁移学习验证优化策略的泛化能力。（剩余5762字）

试读结束

目录
monitor