您当前的位置： 首页 > 论文 > 2023,54(02) > 信息与计算机
基金项目:
国家自然科学基金资助项目(61872261)
分类号:
TP391
DOI:
10.16355/j.cnki.issn1007-9432tyut.2023.02.020
期刊号:
2023,54(02)
收稿日期:
修回日期:
| 通讯作者 | 单位 |
| 强彦 | 太原理工大学信息与计算机学院 |
摘要:
提出一种基于条件分割对抗网络(conditional segmentation adversarial network，cSegAN)的超声甲状腺结节分割模型。模型由分割器网络和判别器网络两个部分组成，其中分割器网络设计使用一种多扩张率卷积块联合对结节区域进行准确定位，通过学习提取结节深度和浅层特征信息，获得结节区域二值掩膜；判别器网络对比分割结果与金标准之间的差距对分割结果进行评估。经多次对抗训练，实验结果表明，本文所提模型像素精度达到0.953 1，优于其他分割模型，可以更加准确地实现超声甲状腺结节分割。
关键字:
甲状腺结节分割；卷积神经网络；分割对抗网络；超声图像；对抗训练;