谢,费;全美阳;关子玉;段、群 基于深度学习的腹部多器官图像分割。 (中文。英文摘要) Zbl 1474.92054号 西北大学自然科学杂志。预计起飞时间。 51,编号1,1-7(2021). 总结:临床上,CT扫描是诊断腹部相关疾病的常规检查方法。通过CT,医生可以更直观地观察腹部的器官结构和组织病理结构,从而提高疾病诊断的准确性。因此,对CT图像进行准确的图像分割具有非常重要的临床价值。然而,传统的分割算法对腹部变形大、体积小、组织边缘模糊的器官分割效果较差。为此,本文提出了一种改进的nnUNet腹部多器官图像分割方法,对腹部CT图像上的肝、胃、肠和胰腺进行分割。本文提出使用带自适应权重的自适应softmax损失来改进nnUNet网络,使网络在分割过程中更加关注体积较小、样本数量相对较少的器官特征。相关实验表明,本文提出的方法比现有的分割方法具有更高的准确性和敏感性。 MSC公司: 92 C55 生物医学成像和信号处理 2017年10月68日 人工神经网络与深度学习 关键词:腹部多器官分割;自适应softmax损耗;语义分割;深度学习 PDF格式BibTeX公司 XML格式引用 \textit{F.Xie}等人,西北大学,自然科学。第51版,第1号,1--7(2021;Zbl 1474.92054) 全文: 内政部