摘要：深度学习技术辅助超声影像诊断可以提高检测的精度和效率.提出一种用于超声图像分割的改进UNet卷积网络.该网络将噪声激励函数NHReLU和NHSeLU代替ReLU噪声激励函数,对成本函数增加权重参数.通过在两个尺度上预测,很好地处理了超声图像中标注区域尺寸变化的问题,提高对淋巴结超声图像分割效果.使用VGG、ResNet和DenseNet等网络预测淋巴结病灶区域的良恶性.实验表明,分割网络性能优异,Dice系数达到0.90,模型能够很好防止过拟合.在小样本下预测良恶性各指标都得到提高,为深度学习技术应用于超声图像检测提供了新方法.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社