科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对超声波设备获取的血管瘤图像，研究了图像辅助诊断技术，实现对病变区域的快速分割。在PyCharm集成开发环境中搭建PyTorch平台，完成基于深度学习的血管瘤图像分割系统的编程，采用UNet卷积神经网络训练血管瘤图像数据集，将原有UNet的视觉几何群（Visual Geometry Group,VGG）主干网络替换成MobileNetV2实现轻量化UNet模型，以提升推理效率。实验结果显示，平均交并比均在0.68以上，可以部署于Jetson TX2便携式边缘计算平台，使系统的运行能够脱离深度学习工作站，扩大了系统的应用场景。
- 出版日期2023
- 单位西京学院
