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：
基于REA-Swin-Unet模型的肺部医学影像分割技术
1
作者 龚梁钰 韩波 +2 位作者 李泽慧 李栋梁 朱旭辉 《兰州文理学院学报(自然科学版)》 2026年第2期66-71,107,共7页
人工智能技术的发展推动了计算机视觉在多领域的应用,其中深度学习在医学图像分割中对提升诊断准确性具有重要意义.针对肺部CT图像分割任务,本文提出REA-Swin-Unet网络.该网络在Swin-Unet的基础上,融合了残差网络,同时引入两种注意力模... 人工智能技术的发展推动了计算机视觉在多领域的应用,其中深度学习在医学图像分割中对提升诊断准确性具有重要意义.针对肺部CT图像分割任务,本文提出REA-Swin-Unet网络.该网络在Swin-Unet的基础上,融合了残差网络,同时引入两种注意力模块,有效增强了对不同尺度特征和细节信息的捕捉能力.实验结果表明,REA-Swin-Unet的平均交并比、平均精确率、平均召回率和平均Dice系数分别达到85.29%、93.04%、90.86%和91.65%,相较于基准Swin-Unet网络分别提高了4.61%、2.45%、3.60%和3.08%.与其他主流图像分割网络相比,REA-Swin-Unet取得了最佳分割效果,证明了该方法的优越性. 展开更多
关键词 深度学习 ram-swin-unet 注意力机制 图像分割
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