节点文献

一种改进的I-Unet网络的皮肤病图像分割算法

免费订阅

【作者】 蒋宏达叶西宁

【Author】 JIANG Hongda;YE Xining;College of Information Science and Engineering,East China University of Science and Technology;

【机构】 华东理工大学信息科学与工程学院

【摘要】 黑色素瘤是常见的皮肤癌,皮肤病图像分割在皮肤癌诊断过程中起到至关重要的作用。为了利用I-Unet深度神经网络强大的编码解码功能来自动分割出皮肤病病灶区域,文中提出一种改进的I-Unet网络的皮肤病图像分割算法。该方法采用空洞卷积扩大卷积感受野,利用类Inception和循环神经网络(RCNN)分别提取图像不同尺度的特征,并进行多尺度特征融合,运用全连接条件随机场(CRF)进行图像后处理。结果表明,所提算法在皮肤病图像分割中取得了良好的效果,算法的Jaccard系数达到了0.780,Dice系数稳定在0.871;与同类最佳研究结果相比,Jaccard系数及Dice系数分别提高了1.5%,2.2%,表明该方法有效提升了网络图像分割的性能。

【基金】 国家自然科学基金资助项目(60974066)~~
【所属期刊栏目】 计算机科学与应用 (2019年12期)
  • 【DOI】10.16652/j.issn.1004-373x.2019.12.013
  • 【分类号】R751;TP391.41
  • 【下载频次】48
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: