基于特征复用网络的医学图像分割

摘要

随着计算机技术的发展,深度学习技术在众多领域发挥着重要作用。为提高医学图像分割的精度和实时性,采用可分离卷积设计了一种特征图复用结构的编码器-解码器式的图像语义分割网络RUNet。通过多特征融合的方法节约通道数,进而极大的减少参数量,同时增加网络深度提升模型表示特征能力,在EM数据集和LUNA数据集下测试RUnet平均Dice系数分别为0.9692和0.9877,分割效果优于U-net,但是计算量仅为U-net的1/75。