基于小波变换和残差网络的磁共振影像分割方法

您当前的位置：

首页 >

文章列表页 >

光学图像处理与识别 | 更新时间：2025-09-01

- 基于小波变换和残差网络的磁共振影像分割方法
- Magnetic resonance image segmentation method based on wavelet transformation and residual network
- 光学技术 2021年47卷第2期页码：250-256
- 作者机构：
  
  1:河北师范大学新闻中心
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2021.02.020
  中图分类号：
- 纸质出版：2021
- 稿件说明：
移动端阅览
杜新彦. 基于小波变换和残差网络的磁共振影像分割方法[J]. 光学技术, 2021,47(2):250-256.

Magnetic resonance image segmentation method based on wavelet transformation and residual network[J]. 2021, 47(2): 250-256.
杜新彦. 基于小波变换和残差网络的磁共振影像分割方法[J]. 光学技术, 2021,47(2):250-256. DOI： 10.13741/j.cnki.11-1879/o4.2021.02.020.

Magnetic resonance image segmentation method based on wavelet transformation and residual network[J]. 2021, 47(2): 250-256. DOI： 10.13741/j.cnki.11-1879/o4.2021.02.020.

为了提高磁共振图像分割的准确度

提出一种基于残差网络和小波变换的磁共振图像分割方法。采用离散小波变换对核共振图像的不同序列进行融合

使融合图像包含更加丰富的纹理信息和结构信息;提出了包含通道注意力模块和空间注意力模块的残差网络模型

使网络重点关注于目标分割区域

并加入残差块来缓解深度神经网络的梯度消失问题。最终在公开的Brain Tumor Segmentation Challenge 2015数据集上完成了验证实验

结果显示该方法在对完整肿瘤区域、核心肿瘤区域及增强肿瘤区域的平均Dice相似性系数均取得了较好的效果。

浏览量

213

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

复杂背景下货车制动梁的快速分割方法

基于注意力空洞U-Net的MRI图像分割方法

深浅交错式特征融合的人体图像分割方法

基于聚类算法的血管直径测量研究

基于多个密集连接型2D-CNNs的脑胶质瘤MRI三维分割