Scidown文献预览系统!
基于正尺度不变自编码CCA的医学图像分割算法( Medical image segmentation algorithm based on positive scaling invariant-self encoding CCA )
FP An JE Liu JR Wang
医学图像分割结果的好坏直接影响疾病的分析和诊断。传统的医学图像分割方法虽然取得了一定的效果,但这类方法不仅计算效率低,而且难以实现全自动分割。深度学习具有良好的泛化能力,为解决上述问题提供了新的技术途径。但深度学习在医学图像分割中的应用存在以下问题:(1)深度学习模型的优化。现有深度学习模型的参数没有得到很好的优化;容易造成医学图像分割错误。(2)过拟合问题。随着深度学习模型层数的增加,使得深度模型容易拟合训练数据,但在测试集上的泛化性能会较差。鉴于此,为了解决深度学习模型优化问题,本文首先揭示了深度学习的权重空间与其参数空间并不等价,并详细说明了如何在正缩放不变空间中优化深度学习模型。将基路径的导数映射回权值的方法,并对F空间中的随机优化算法进行了分析。此外,针对深度学习模型的过拟合问题,本文首先给出了自编码典型相关分析(self-encoding CCA)的方法,在微调阶段同时优化自编码损失和相关损失。基于上述思想,本文提出了一种基于正尺度不变自编码CCA的医学图像分割算法。实验结果表明,本文提出的方法得到的指标不仅比传统的机器学习方法有较大幅度的提高,而且比其他深度学习方法也有一定程度的提高。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】