机构名称：
¥ 5.0
医学图像分析和处理是临床应用和科学研究的关键组成部分。深度学习通过从数据中识别形态或纹理模式来彻底改变了医学图像分析。为了增强脑肿瘤图像分析，在本文中提出了一个改进的基于U-NET的模型，称为Arunet。通过整合卷积网络和自我注意力的机制，本论文着重于优化在U-NET网络结构中提取媒体信息的能力，并有助于剩余净值以减少在训练过程中拟合难度的问题。这增加了模型的深度，并增强了U-NET自身提取抽象特征的能力。此外，自我注意机制有助于解码器专注于关键信息，从而提高模型的性能。该模型在BRATS2021数据集上实现了最先进的性能，最高为95.54％。关键词：医学图像分析，脑肿瘤分割，人工智能，深度学习，U-NET，自我注意力。
使用U-NET ...
主要关键词
相关文件推荐
