-
题名基于VAN_ResUNet的肝脏CT图像分割
- 1
-
-
作者
李阳
-
机构
中国石油大学(北京)理学院
-
出处
《软件导刊》
2025年第8期188-195,共8页
-
文摘
在医学影像领域,肝脏CT图像分割对肝病的早期诊断和治疗规划不可或缺,但肝脏的复杂形态与周围组织的低对比度使得肝脏分割尤为困难。为此,提出一种基于VAN_ResUNet的肝脏CT图像分割方法。首先,在编码层嵌入视觉注意力网络,加强模型对肝脏细微结构的捕捉能力;其次,引入大核注意力机制,通过分解卷积捕获长距离关系,加强特征之间的通道交互性;最后,利用改进的大核注意力特征融合模块跨层连接特征来提取多尺度信息,并拼接两条支路关注全局和局部特征,以显著提升分割准确性。在公开数据集上的实验表明,所提模型的平均交并比、平均精确率、Dice系数分别为97.02%,96.10%,95.12%,优于现有算法。
-
关键词
CT图像
肝脏分割
VAN
LKA
flka
ResUNet
-
Keywords
CT image
liver segmentation
VAN
LKA
flka
ResUNet
-
分类号
TP391.14
[自动化与计算机技术—计算机应用技术]
-
