• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Sensing and imaging >A New Multilevel Feature Fusion Network for Medical Image Segmentation
【24h】

A New Multilevel Feature Fusion Network for Medical Image Segmentation

机译：用于医学图像分割的新型多级特征融合网络

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

There are many problems in the medical images, such as irregular edges and noises,the pathological information is difficult to be obtained. So it brings difficulties todoctors to accurately diagnose the diseases. Therefore, in medical image processing,traditional image segmentation methods are based on region similarity and regiondifference. Medical image segmentation plays a very important role in the field ofclinical medicine research. Meanwhile, deep learning methods used for medicalimage segmentation can abstract image segmentation as a problem of feature representationand parameter optimization. In order to solve the problem of losing featureinformation in the process of up-sampling and down-sampling, a new multilevelfeature fusion network is proposed for medical image segmentation. Experimentson the open data set show that the proposed method can effectively improve the segmentationaccuracy.
机译：医学图像中存在许多问题，例如不规则的边缘和噪音， 难以获得病理信息。 所以它带来了困难 医生准确诊断疾病。 因此，在医学图像处理中， 传统的图像分割方法基于区域相似性和区域 不同之处。 医学图像分割在领域中起着非常重要的作用 临床医学研究。 同时，用于医疗的深度学习方法 图像分割可以抽象图像分段作为特征表示的问题 和参数优化。 为了解决失去特征的问题 在上抽样和下抽样过程中的信息，一个新的多级 提出了用于医学图像分割的特征融合网络。 实验 在开放数据集上表明，该方法可以有效地改善分段 准确性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号