Indexed by：
Abstract：
为解决深度学习分割算法在病灶的细节分割上存在漏判且模型参数量较大不利于实际应用的问题，提出一种基于改进的CG-Net的深度轻量化分割神经网络。在编码块加入改进高效金字塔拆分注意力模块和深度可分离卷积，以学习丰富多尺度全局特征；采用残差思想将注意力模块与编码块结合，提出高效金字塔语境引导模块，帮助网络学习全局和局部特征信息。在中山大学附属第六医院提供的腹部MRI图像数据库的结直肠肿瘤病灶分割实验中，验证了改进模型算法在分割精度和模型轻量化方面的有效性。
Keyword：
Reprint 's Address：
Email：
Source ：
计算机工程与设计
Year： 2024
Issue： 01
Volume： 45
Page： 299-306
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
