用于颈部超声图像的SED-UNet分割方法研究
打开文本图片集
摘 要：超声图像作为目前常用的医疗诊断手段之一，人工判读超声图像很大程度上依赖于医生主观经验知识，耗时耗力，难以满足快速、批量的临床诊断需求，因此提出了一种基于深度学习和可变形卷积U-Net的图像分割模型SED-UNet。用可变形卷积结合BN和Dropout层对原网络的卷积运算进行优化改进，提升网络收敛性、增加网络模型的鲁棒性、提升模型的训练效率， 用SENet模块在解码阶段的跳跃连接处进行优化改进，提升分割准确率，进而构建适用于颈部超声图像分割的卷积神经网络模型。（剩余16260字）