基于改进注意力W-Net的超声图像分割算法OA
针对超声成像过程中受噪声、伪像等因素干扰,导致图像中存在斑点噪声、区域模糊以及弱边界等纹理模糊不清,进而导致超声图像分割质量变差的问题,提出一种基于改进注意力W-Net的超声图像分割算法.首先,根据像素强度和边缘纹理的关联性构建纹理特征因子,应用纹理因子改进引导滤波算法,改进后的引导滤波算法能在平滑图像的同时,更好地保留图像中的纹理特征.其次,通过注意力机制将U-Net扩展为W-Net,在W-Net中融入改进的注意力机制,采用改进注意力W-Net对纹理保持后的超声图像进行分割,可在分割过程中更好地保持图像的纹理信息,从而提高分割的准确性和鲁棒性.实验结果表明,该算法的无参考图锐化因子(CPBD)值较高,面积差异百分数较低,超声图像分割效果好,可广泛应用于超声图像分割领域.
熊哲源;汪灿华;郑炳城;沈志伟
江西中医药大学智能医学与信息工程学院,南昌330004江西中医药大学智能医学与信息工程学院,南昌330004江西中医药大学智能医学与信息工程学院,南昌330004江西中医药大学智能医学与信息工程学院,南昌330004
信息技术与安全科学
改进注意力W-Net超声图像分割纹理因子改进引导滤波算法
《吉林大学学报(理学版)》 2026 (4)
P.842-848,7
江西省自然科学基金(批准号:20212BAB206009)江西中医药大学博士科研启动基金(批准号:2023BSZR007)。
评论