研究文章
生成敌对的网络融合Dual-Attention机制及其应用在多目标图像分割
|
输入:腹部MRI图像 |
| 输出:腹部multiorgan预测分割图像 |
| (1) |
背景:时代= 200,hyperparameter Hyperparameters”
,批量大小 |
|
,学习速率
,平衡系数= 0.2。 |
| (2) |
为时代做 |
| (3) |
为k做 |
| (4) |
原始的腹部MRI图像被随机选择,选择相应的标签分割图像; |
| (5) |
计算的损失对抗网络由公式(17); |
| (6) |
更新的训练参数对抗性的网络由公式(21)和(22); |
| (7) |
原始的腹部MRI图像被随机选择,选择相应的标签分割图像; |
| (8) |
由公式计算生成网络的损失(25); |
| (9) |
更新的训练参数生成网络由公式(23)和(24); |
|
