TY -的A2柯西锦AU -邓,克里斯蒂安娜•AU - Ma渊源AU - Ma, zip盟——毛Kaiji盟——陈,勇PY - 2021 DA - 2021/10/08 TI -肝脏分割方法的基础上融合联接和WGAN SP - 5536903六世- 2021 AB -肝脏图像的准确分割是一个重要的步骤在肝脏疾病诊断、治疗计划、和预后。近年来,尽管肝脏分割方法基于二维卷积神经网络取得了良好的效果,目前仍缺乏层间的信息,会导致严重的分割精度在一定程度上的损失。同时,做最好的高级和低级功能更有效地在二维分割网络是一个具有挑战性的问题。因此,我们设计并实现了一个2.5维卷积神经网络,VNet_WGAN,改善肝脏分割的准确性。首先,我们选择了三个相邻层的肝脏模型作为网络的输入,并收养了两个卷积核串联连接,可以将横断面肝脏模型的空间信息和层间信息。其次,连锁残余池模块添加到多层次特征信息融合优化跳过连接。最后,边界的损失函数发生器是用来弥补缺乏骰子的边缘像素精度损失函数。验证了该方法的有效性在两个数据集,床位数和混乱。骰子系数分别为92%和90%,这比那些相比分割网络。此外,实验结果还表明,该方法可以减少计算消耗,同时保持较高的分割准确性,肝脏分割在实践中具有重要意义,为临床医生提供良好的参考在肝脏分割。 SN - 1748-670X UR - https://doi.org/10.1155/2021/5536903 DO - 10.1155/2021/5536903 JF - Computational and Mathematical Methods in Medicine PB - Hindawi KW - ER -