文章摘要:作为确定病灶与诊断的重要基础，医学图像分割已成为生物医学领域中极其重要的热门研究领域之一，其中基于全卷积神经网络和U型网络（U-net）等神经网络的医学图像分割算法得到越来越多研究人员的重视。目前，医学图像分割算法应用于直肠癌诊断的研究报道较少，且已有的研究对直肠癌的分割结果精度不高。本文提出了一种结合图像裁剪和预处理方法的编码—解码卷积网络模型。该模型在U型网络的基础上，借鉴残差网络思想，用残差块代替传统的卷积块，有效避免了梯度消失的问题。此外，本文还采用了图像增广的方法提高了所提模型的泛化能力，并在“泰迪杯”数据挖掘挑战赛所提供的数据集进行测试。测试结果表明，本文提出的基于残差块的改进U型网络模型结合图像裁剪预处理，可以大大提高直肠癌的分割精度，得到的戴斯系数在验证集上达到0.97。

文章关键词:

论文分类号:R735.37;TP391.41

文章来源：《现代医学》 网址: http://www.xdyxbjb.cn/qikandaodu/2022/0127/1070.html