科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高断层识别的准确率，提出改进Unet模型。为编码器部分设计一种多分支的并联结构M-block(Multi-branch block),它可以捕获多尺度上下文信息，并且多分支的并联结构会带来高性能收益。在解码器部分加入Self-Attention块和注意力门控机制。Self-Attention通过对输入特征上下文的加权平均操作，不仅使注意力模块能够灵活地关注图像的不同区域，而且弥补了CNN(Convolutional Neural Network)网络局部性的缺点，为神经网络带来更多的可能性。通过合成数据和实际数据证实，该模型将传统卷积中的权值共享优点和Self-Attention动态计算注意力权重的优点结合，提高了断层识别的精度，与Unet相比，验证损失下降了33.68%。模型不仅准确识别出了断层特征，且比目前流行的深度学习方法更准确。
- 出版日期2023
- 单位天津职业技术师范大学
