期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
多尺度特征融合医学图像分割网络Med-SAMNet
1
作者 王华军 童旭 《宜宾学院学报》 2025年第12期31-38,共8页
由于病理图像中目标形态多变、边界模糊以及类别不平衡,现有医学图像分割方法在复杂场景下存在精度不足和鲁棒性差等问题,因此提出一种融合多尺度特征提取与注意力机制的医学图像分割模型Med-SAMNet:在经典U-Net框架基础上,引入空洞空... 由于病理图像中目标形态多变、边界模糊以及类别不平衡,现有医学图像分割方法在复杂场景下存在精度不足和鲁棒性差等问题,因此提出一种融合多尺度特征提取与注意力机制的医学图像分割模型Med-SAMNet:在经典U-Net框架基础上,引入空洞空间金字塔池化模块(ASPP)以增强多尺度上下文信息建模能力,同时嵌入通道-空间注意力机制(CBAM),提高模型对关键结构区域的识别精度;针对类别不均衡和边界不清晰的问题,设计交叉熵与Dice联合损失函数,以提升模型在整体精度与轮廓一致性方面的表现.在公开医学图像分割数据集上开展的实验结果表明,Med-SAMNet在mIoU、Dice系数、Recall和Accuracy等指标上均优于现有主流方法 UNet、UNet_3Plus、ConvUnext、DCNet、CS2Net等,消融实验进一步证明ASPP和CBAM模块在提升分割性能中起关键作用.因此Med-SAMNet能够有效整合多尺度语义信息与显著区域特征,提升复杂医学图像中的分割精度. 展开更多
关键词 医学图像分割 U-Net ASPP 注意力机制 深度学习 med-samnet
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部