换一批
换一批融合残差Inception与双向ConvGRU的皮肤病变智能分割
Residual Inception and Bidirectional ConvGRU Empowered Intelligent Segmenta-tion for Skin Lesion
摘要由于皮肤病病灶的形状、颜色以及纹理差异极大,且边界不明确,使得传统深度学习方法很难对其进行准确分割.因此本文提出了一种融合残差Inception与双向卷积门控循环单元(Convolutional gated recurrent unit,ConvGRU)的皮肤病变智能分割模型.首先设计了一种云边协同的皮肤病变智能分割服务网络模型,通过该网络模型,用户可以获得快速、准确的分割服务;其次,构建了一种新的皮肤病变智能分割模型,通过融合残差Inception与双向ConvGRU,该模型能融合不同尺度特征,提高模型特征提取能力,并能充分利用底层特征与语义特征之间的关系,捕获更丰富的全局上下文信息,取得更好的分割性能;最后,在ISIC 2018数据集上的实验结果表明,所提出的智能分割模型与近期提出的几种U-Net扩展模型相比,取得了更高的准确率与Jaccard系数.
更多相关知识
关键词
皮肤病图像分割残差网络U型卷积神经网络卷积门控循环单元skin lesionimage segmentationresidual networkU-Netconvolutional gated recurrent unit(ConvGRU)
分类号
TP391
DOI
10.16337/j.1004-9037.2023.04.016
发布时间
2023-08-29
基金项目
国家自然科学基金
中国博士后科学基金
江苏省333高层次人才培养工程
江苏省博士后科研资助计划
南京市妇幼保健院青年人才
南京邮电大学人才计划
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
