机构名称：
¥ 3.0
摘要：在生物医学图像分析中，肿瘤和病变的位置和外观信息对于帮助医生治疗和确定疾病的严重程度是必不可少的。因此，对肿瘤和病变进行分割至关重要。MRI、CT、PET、超声和X射线是获取此信息的不同成像系统。众所周知的语义分割技术用于医学图像分析以识别和标记图像区域。语义分割旨在将图像划分为具有可比特征的区域，包括强度、同质性和纹理。UNET 是分割关键特征的深度学习网络。然而，UNET 的基本架构无法准确分割复杂的 MRI 图像。本综述介绍了适合提高分割精度的 UNET 的修改和改进模型。
使用改进的 UNET 架构对医学图像进行语义分割的回顾
主要关键词
相关文件推荐
