摘要目前,基于深度学习的图像分割方法往往需要大量的标注数据集,尤其在需要精确像素级标注的医学图像上,不仅需要高昂的时间成本,还需要大量的专业领域知识.为此,提出一种基于深度学习的弱监督肝脏分割算法.通过卷积神经网络训练具有边框标注信息的肝脏数据;使用Grad-CAM算法获取肝脏粗略位置,通过改进的区域生长算法结合条件随机场完成对目标区域的数据扩张;将图片经过滤波等算法进一步完善分割区域.在3 DIRCADb和自建数据集上的实验结果验证了该算法的有效性.
更多相关知识
- 浏览3
- 被引1
- 下载1

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文