期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于U1-net网络的放疗脑肿瘤靶区分割
1
作者
张本健
林辉
+2 位作者
郭栋
王桂林
胡敏
《合肥工业大学学报(自然科学版)》
CAS
北大核心
2023年第8期1070-1078,共9页
文章基于全卷积神经网络(fully convolutional network,FCN)的U-net网络,并通过对U-net网络的调整,构建适用于脑肿瘤图像分割的U1-net网络。U1-net网络由卷积层、最大池化层、反卷积层和激活函数4个部分组成。通过在公共数据集BRATS 201...
文章基于全卷积神经网络(fully convolutional network,FCN)的U-net网络,并通过对U-net网络的调整,构建适用于脑肿瘤图像分割的U1-net网络。U1-net网络由卷积层、最大池化层、反卷积层和激活函数4个部分组成。通过在公共数据集BRATS 2015上的实验验证了该网络的有效性。实验结果表明,该网络能适应脑肿瘤轮廓取得较好的分割效果,在脑肿瘤的完整肿瘤区、核心肿瘤区、增强肿瘤区的Dice相似系数(Dice similarity coefficient,DSC)分别为0.95、0.85、0.83。
展开更多
关键词
深度学习(DL)
全卷积神经
网络
(FCN)
u
1-
net
网络
BRATS
20
1
5数据集
脑肿瘤分割
下载PDF
职称材料
题名
基于U1-net网络的放疗脑肿瘤靶区分割
1
作者
张本健
林辉
郭栋
王桂林
胡敏
机构
合肥工业大学电子科学与应用物理学院
合肥工业大学计算机与信息学院
出处
《合肥工业大学学报(自然科学版)》
CAS
北大核心
2023年第8期1070-1078,共9页
基金
国家自然科学基金资助项目(61672202,U1613217)。
文摘
文章基于全卷积神经网络(fully convolutional network,FCN)的U-net网络,并通过对U-net网络的调整,构建适用于脑肿瘤图像分割的U1-net网络。U1-net网络由卷积层、最大池化层、反卷积层和激活函数4个部分组成。通过在公共数据集BRATS 2015上的实验验证了该网络的有效性。实验结果表明,该网络能适应脑肿瘤轮廓取得较好的分割效果,在脑肿瘤的完整肿瘤区、核心肿瘤区、增强肿瘤区的Dice相似系数(Dice similarity coefficient,DSC)分别为0.95、0.85、0.83。
关键词
深度学习(DL)
全卷积神经
网络
(FCN)
u
1-
net
网络
BRATS
20
1
5数据集
脑肿瘤分割
Keywords
deep learning(DL)
f
u
lly convol
u
tional
net
work(FCN)
u
1-
net
net
work
BRATS 20
1
5 data set
brain t
u
mor segmentation
分类号
R811.1 [医药卫生—放射医学]
TP391 [医药卫生—临床医学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于U1-net网络的放疗脑肿瘤靶区分割
张本健
林辉
郭栋
王桂林
胡敏
《合肥工业大学学报(自然科学版)》
CAS
北大核心
2023
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部