基于深度学习的脑卒中病灶分割系统研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要： 为了改善人工描绘缺血性脑卒中病灶的主观差异性，提升诊断缺血性脑卒中的速率和精确度，本研究基于Attention U-Net深度学习模型搭建深度学习自动分割系统，将DWI、ADC等多模态磁共振影像作为系统输入并提取病灶的多层次特征，获得自动分割结果。结果显示，该系统的Dice可达到0.91，IoU达到0.93，远远优于U-Net算法。（剩余6024字）

试读结束

目录
monitor
客服机器人