换一批摘要目的:探讨并解决传统U-Net算法在肝脏肿瘤分割中,肝脏及肿瘤上下文信息缺乏、肿瘤形态差异性大导致的分割精度不足问题.方法:提出了一种结合空洞卷积和残差模块的级联肝脏肿瘤分割算法DDR-UNet++.首先,利用LiTS-2017数据集中的CT图像,通过窗位窗宽调整、直方图均衡化和高斯滤波进行预处理,减少噪声并平滑边缘.然后,采用级联肝脏分割模型,增强肝脏区域占比,减轻周围组织干扰,并解决数据不平衡问题.肝脏肿瘤分割模型通过引入可变形空洞卷积和残差网络,扩展感受野,提升特征提取能力.结果:DDR-UNet++在LiTS-2017数据集上的Dice相似系数、相对体积差异和Jaccard指数相比于U-Net模型分别提升了4.7%、1.7%和8.5%,有助于克服传统肿瘤分割中的低效性和低准确性,提高早期肿瘤发现率和患者生存率,减轻医生负担.结论:该方法通过改进模型结构与分割策略,在一定程度上改善了特征提取能力不强的问题,有效提升了肝脏肿瘤分割的精度和鲁棒性,为临床辅助诊断提供可靠的技术参考.
更多相关知识
关键词
DDR-UNet++U-Net残差模块空洞卷积肝脏肿瘤分割DDR-UNet++U-Netresidual moduledilated convolutionliver tumor segmentation
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.07.009
发布时间
2025-08-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
