提出一种用于超声图像分割的改进注意力R2UNet网络，该网络将图像的多尺寸特征作为输入，以便更好地提取局部特征；在注意力模块中，利用噪声激励函数NHReLU代替ReLU函数；提出新的损失函数，适用于小样本场景，数据增强使用了生成对抗UNet。实验结果表明，新方法在颈部淋巴结超声图像分割中网络性能优异，Dice系数达到0.94,较传统UNet方法具有更优的分割性能，同时模型能够很好防止过拟合。
科研之友
微信
新浪微博
Facebook
分享链接
