换一批摘要为了增强脑肿瘤图像分割算法的泛化能力,提出一种融合共享Net的跨模态分割框架.该框架包括风格转换、跨域训练和自适应判别三个阶段.首先,采用贝塞尔曲线进行域变换,从多种与源域灰度不同的图像去模拟不可见的目标域;其次,构建基于轻量级尺度注意力模块的共享Net模型,将多种风格的灰度图像输入到共享Net中来学习不同域的权重信息;最后,在模型推理时,通过自适应判别器来自适应选择最佳分割结果.仿真结果表明,所提共享Net算法能实现有效泛化的同时,在分割性能和计算效率上均优于当前最先进的方法.
更多相关知识
关键词
U-Net医学图像分割脑肿瘤跨模态域泛化贝塞尔曲线U-Netmedical image segmentationbrain tumorcross-modedomain generalizationBézier curve
栏目名称
DOI
10.16652/j.issn.1004-373x.2024.17.008
发布时间
2024-09-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河北省高等学校科学技术研究项目（ZD2021088）
河北省海洋生态修复与智慧海洋工程研究中心开放基金项目（HBMESO2315）
- 浏览6
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
