网络模型合集

一系列研究利用U-Net及其改进模型对医学图像进行精细化分割,如视杯视盘、眼底图像和前列腺MRI图像,用于青光眼诊断和脑肿瘤识别。同时,轻量化网络模型也在自动识别青光眼方面展现出潜力,而融合感受野模块的卷积神经网络进一步提升了视杯视盘联合分割的准确性。
摘要由CSDN通过智能技术生成

1. 基于U-Net的视杯视盘联合分割的方法的研究_李佳慧

2. 基于U-Net改进的青光眼眼底图像诊断算法_韩义波

 3. 基于改进U-Net的前列腺MRI图像自动分割方法_石征锦

 

4. 基于改进U-Net的视盘视杯分割方法的研究_茅前 

 

 5. 基于改进U-Net模型和C...AM的脑肿瘤MRI图像分割_张晓倩

 6. 基于轻量化网络模型的青光眼自动识别_辛兆福

 7. 融合感受野模块的卷积神经网络视杯视盘联合分割_于舒扬

 

 

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Larry Chow

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值