基于多层感知机和多尺度特征提取的肝脏分割网络

胡瑶; 李进; 王远军

doi:10.13741/j.cnki.11-1879/o4.2023.01.013

您当前的位置：

首页 >

文章列表页 >

基于多层感知机和多尺度特征提取的肝脏分割网络

光学图像处理与识别 | 更新时间：2025-09-01

- 基于多层感知机和多尺度特征提取的肝脏分割网络
- Liver segmentation network based on multilayer perceptron and multi-scale feature extraction
- 光学技术 2023年49卷第1期页码：105-112
- 作者机构：
  
  1:上海理工大学健康科学与工程学院
- 作者简介：
- 基金信息：
  
  上海市自然科学基金资助项目(18ZR1426900)
- DOI：10.13741/j.cnki.11-1879/o4.2023.01.013
  中图分类号： R575;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
胡瑶, 李进, 王远军. 基于多层感知机和多尺度特征提取的肝脏分割网络[J]. 光学技术, 2023,49(1):105-112.

Liver segmentation network based on multilayer perceptron and multi-scale feature extraction[J]. 2023, 49(1): 105-112.
胡瑶, 李进, 王远军. 基于多层感知机和多尺度特征提取的肝脏分割网络[J]. 光学技术, 2023,49(1):105-112. DOI： 10.13741/j.cnki.11-1879/o4.2023.01.013.

Liver segmentation network based on multilayer perceptron and multi-scale feature extraction[J]. 2023, 49(1): 105-112. DOI： 10.13741/j.cnki.11-1879/o4.2023.01.013.

摘要

肝脏精准分割对于肝癌的定位与治疗至关重要，针对肝脏形状尺寸不一以及边缘和病灶区域分割难度较大等问题，提出了一个基于多层感知机和多尺度特征提取的肝脏分割网络(M2U-Net)。该网络分为卷积阶段和多层感知机阶段。在卷积阶段的编码器部分加入挤压激励模块，突出特定的肝脏分割任务，抑制无关背景区域；在多层感知机阶段加入标记化多层感知机模块，减小模型复杂度。过渡层增加了多尺度特征提取模块，适应不同尺度肝脏的分割以及细节区域的分割；在LiTS数据集和东方肝胆医院提供的数据集上的实验结果表明，此分割网络在三个评价指标上结果均优于U-Net、U-Net++和CE-Net等分割网络。

Abstract

关键词

Keywords

references

浏览量

231

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于3D全卷积神经网络的肺叶自动分割方法

利用双流卷积神经网络的人脸表情识别方法

基于移动机器人和单目视觉的姿态测量方法

深浅交错式特征融合的人体图像分割方法

基于多层感知机和多尺度特征提取的肝脏分割网络

Liver segmentation network based on multilayer perceptron and multi-scale feature extraction

DOI：10.13741/j.cnki.11-1879/o4.2023.01.013

摘要

Abstract

关键词

Keywords

references