基于特征金字塔网络和空间循环神经网络的腹部多器官分割
原文中文,约400字,阅读约需1分钟。发表于: 。近期 AI 的进展正在导致传统诊断方法的衰退,而实现端到端的诊断即将快速到来。超声图像分割是诊断过程中的重要一步,准确且稳健的分割模型加快了该过程,减轻了超声医生的负担。与以前的研究不同,我们考虑了超声图像的两个固有特征:(1)不同的器官和组织在空间尺寸上有所变化,(2)人体内部的解剖结构形成了相对恒定的空间关系。基于这两个想法,我们提出了一种新的图像分割模型,结合了 Feature...
近期AI的进展导致传统诊断方法衰退,端到端的诊断即将快速到来。本文提出了一种新的超声图像分割模型,结合了FPN和SRNN,考虑了超声图像的两个固有特征:器官和组织的空间尺寸变化以及人体内部解剖结构的相对恒定空间关系。讨论了使用FPN提取不同尺度解剖结构和使用SRNN提取腹部超声图像中的空间上下文特征的原因和实现方法。