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2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：
改进的RA-U-Net模型用于CT图像的肝脏肿瘤分割
1
作者 杜文杰 王远军 《生物医学工程学进展》 2025年第5期599-606,共8页
肝脏CT成像是肝脏肿瘤检查的主要影像学手段,肝脏肿瘤的大小、形状、位置等个体差异较大,病灶组织区域的灰度特征复杂,导致肝脏肿瘤图像分割十分困难。基于深度学习的U-Net在医学图像分割方面已取得很多进展,因此该研究拟在U-Net的基础... 肝脏CT成像是肝脏肿瘤检查的主要影像学手段,肝脏肿瘤的大小、形状、位置等个体差异较大,病灶组织区域的灰度特征复杂,导致肝脏肿瘤图像分割十分困难。基于深度学习的U-Net在医学图像分割方面已取得很多进展,因此该研究拟在U-Net的基础上,针对肝脏肿瘤分割的特点进行改进,建立一种用于肝脏肿瘤分割的方法。针对肝脏肿瘤分割中存在的问题,在U-Net的基础上,引入残差模块和注意力机制对U-Net进行改进,在特征学习方面采用组归一化策略对特征图进行通道划分,以提高深层网络的学习能力,提高模型的泛化能力。该研究在CodaLab提供的LiTS2017肝脏肿瘤图像分割挑战数据集上测试了该分割网络,结果显示Dice系数达到0.773,高于其他图像分割网络,精确值达到0.983,召回率为0.637,结果表明RA-U-Net模型分割图像的效果更好,为肝脏肿瘤临床诊断提供了可靠的依据。 展开更多
关键词 ra-u-net 残差模块 注意力机制 CT图像分割
在线阅读 下载PDF
基于残差注意力U-Net结构的端到端歌声分离模型 被引量：8
2
作者 汪斌 陈宁 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第5期619-626,共8页
歌声分离是音乐信息检索领域最具挑战的任务之一,本文对基于Wave-U-Net的歌声分离模型进行了改进以增强其性能。首先,在Wave-U-Net的编码和解码块中设计并引入了残差单元以增强其特征提取的有效性和训练效率;然后,在Wave-U-Net的跳跃连... 歌声分离是音乐信息检索领域最具挑战的任务之一,本文对基于Wave-U-Net的歌声分离模型进行了改进以增强其性能。首先,在Wave-U-Net的编码和解码块中设计并引入了残差单元以增强其特征提取的有效性和训练效率;然后,在Wave-U-Net的跳跃连接部分设计并引入了注意力门控机制以减少从编码块对应层提取的特征和来自解码块上一层特征之间的语义鸿沟。在MUSDB18数据集上的实验结果表明:本文提出的RA-WaveUNet模型在分离性能上优于传统的Wave-U-Net模型;采用残差单元和注意力门控机制均有助于提高模型的性能。 展开更多
关键词 残差单元 注意力门控 Wave-U-Net RA-WaveUNet 歌声分离(SVS)
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