科研之友
微信
新浪微博
Facebook
分享链接
摘要
在医学影像分割领域，U-Net网络是目前最成功和最受关注的方法之一，但是U-Net本质上是一种经过改造的全卷积神经网络模型，要获得更为全面和准确的局部-整体关系，不但需要增加网络层次从而加大计算量，而且效果也并不明显。胶囊网络提供了一种有效的建模图像的局部与整体关系的方法，可以用更少的参数取得好的性能。但原始的胶囊网络并没有充分考虑图像局部特征的粒度问题，将其应用在医学图像分割领域还需进一步改造。因此，提出一种将U-Net和胶囊网络相结合的医学图像分割模型ConvUCaps。该模型对U-Net的编码器部分进行改进，使用卷积模块学习不同尺度的局部特征，然后通过胶囊模块学习高层特征，并建模局部与整体之间的关系。实验结果表明，相比U-Net、UNet++、SegCaps、Matwo-CapsNet网络，ConvUCaps提高了分割精度和收敛速度，同时，与单纯基于胶囊网络的分割模型相比，显著减少了推理时间。
- 出版日期2023
- 单位武汉大学
