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
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：
基于多种U-net模型的宫颈癌肿瘤超声影像靶区自动分割比较研究 被引量：2
1
作者 杜德希 金珏斌 +4 位作者 张吉 朱可成 肖承健 滕银燕 金献测 《中华肿瘤防治杂志》 CAS 北大核心 2020年第12期1008-1013,共6页
目的超声已被公认为是宫颈癌诊疗最常用成像方式之一,其准确分割是临床诊疗分析的基础,也是放射组学基本步骤。本研究比较不同U-net自动分割模型在基于超声影像宫颈癌肿瘤靶区的分割效果。方法采用U-net对基于超声影像的宫颈癌肿瘤靶区... 目的超声已被公认为是宫颈癌诊疗最常用成像方式之一,其准确分割是临床诊疗分析的基础,也是放射组学基本步骤。本研究比较不同U-net自动分割模型在基于超声影像宫颈癌肿瘤靶区的分割效果。方法采用U-net对基于超声影像的宫颈癌肿瘤靶区进行自动分割,以Resnet 34替换骨干网络方式提出一种逐层还原的新方法,并比较U-net、U-net++和U-net++基础上修改的多种模型分割结果。选取2017-12-01-2018-12-31温州医科大学附属第一医院收治的270例宫颈癌患者的544张超声图片,随机分成训练集408张、验证集54张和测试集82张,手动勾画由高年资超声诊断医生完成。用Dice相似性系数(Dice similarity coefficient,DSC)、Jaccard相似性系数(Jaccard similarity coefficient,JSC)和平均表面距离(average surface distance,ASD)对自动分割结果进行比较分析。结果各种U-net模型的自动分割结果与医生手动勾画结果相似度都比较高。各模型平均DSC、JSC和ASD分别为0.84~0.84、0.75~0.82和7.00~9.99。Resnet 34作为骨干网络的U-net使得原始U-net结果平均DSC从0.86提升至0.89,平均ASD从8.17降低至7.00,平均JSC从0.77提升至0.81,Resnet 34作为骨干网络的U-net获得了比原始U-net更好的分割效果。结论本研究提出的方法有助于提高U-net在超声图像的分割效果,U-net++with Resnet 34取得了最佳分割结果。 展开更多
关键词 宫颈癌 超声影像 自动分割 U-NET
原文传递
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
使用帮助 返回顶部