- 1、本文档共25页,其中可免费阅读8页,需付费200金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
PAGEII
基于U-net模型的肝脏CT图像分割
摘要:在医学领域,随着影像医学技术在临床诊断中的作用越来越大,基于深度学习的图像分割技术在医学中的应用也具有了更重要的意义。本次设计是针对肝脏的CT图像分割,CT图一般是灰度图,由于腹部CT图中包含多个器官,解剖难度大,目前一般都是医生亲自分割,传统手段所耗费的时间与精力成本都过高,针对这一问题本设计将利用U-net模型分割算法自动从腹部CT图中分割出肝脏部分。
本设计首先介绍了常用的图像分割方法,学习了深度学习模型基础,搭建了基于pytorch的深度学习框架,并针对U-net模型的结构以及实现原理进行了深入研究,然后对sliver07
文档评论(0)