TY -非盟的邓,林盟-李,挂AU -卡里姆,Shahid PY - 2019 DA - 2019/12/27 TI - DMCNN:深多尺度卷积神经网络模型用于医学图像分割SP - 8597606六世- 2019 AB -医学图像分割是图像处理的相关领域的热点问题。精确的医学图像分割是一个重要的保证后续治疗。然而,目前组织边界模糊、低对比度灰色是常见的在医学图像和医学图像的分割精度不能得到有效改善。特别是深度学习方法需要更多的训练样本,导致费时的过程。因此,我们提出一个新颖的医学图像分割模型基于深多尺度卷积神经网络(CNN)。首先,我们从原始医学图像中提取感兴趣的地区。然后,数据增加操作获得更多的训练数据集。我们的方法包含三个模型:编码器,U-net和译码器。编码器主要负责2 d图像块的特征提取。U-net级联的每个块编码器的特点与反褶积得到的在不同尺度下的译码器。 The decoding is mainly responsible for the upsampling of the feature graph after feature extraction of each group. Simulation results show that the new method can boost the segmentation accuracy. And, it has strong robustness compared with other segmentation methods. SN - 2040-2295 UR - https://doi.org/10.1155/2019/8597606 DO - 10.1155/2019/8597606 JF - Journal of Healthcare Engineering PB - Hindawi KW - ER -