研究目的
为在低剂量胸部CT扫描中实现自动肺部分割,开发一种卷积深度与宽网络(CDWN),以改进依赖手工特征的传统方法。
研究成果
所提出的CDWN模型能以高精度和一致性有效地从胸部CT扫描中分割肺区域,其表现优于传统方法和最先进技术。该模型的成功归功于深度宽网络架构,它能直接从数据中学习关键特征。
研究不足
CDWN模型的性能取决于超参数的选择和标注训练数据的可用性。未来的工作可以聚焦于开发一种通用模型,该模型能自动寻找合适的超参数,并扩展至无标签数据集的无监督学习。
研究目的
为在低剂量胸部CT扫描中实现自动肺部分割,开发一种卷积深度与宽网络(CDWN),以改进依赖手工特征的传统方法。
研究成果
所提出的CDWN模型能以高精度和一致性有效地从胸部CT扫描中分割肺区域,其表现优于传统方法和最先进技术。该模型的成功归功于深度宽网络架构,它能直接从数据中学习关键特征。
研究不足
CDWN模型的性能取决于超参数的选择和标注训练数据的可用性。未来的工作可以聚焦于开发一种通用模型,该模型能自动寻找合适的超参数,并扩展至无标签数据集的无监督学习。
加载中....
您正在对论文“基于卷积深度宽网络(CDWN)的低剂量胸部CT扫描自动肺部分割”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期