首先利用合成断层体模型制作训练数据集及验证数据集,然后基于Keras深度学习框架构建了一种全新3D U-Net卷积神经网络模型用于增强微小断层识别能力,最后直接输入三维叠后地震数据得出对应的断层概率属性.实际工区应用表明,该技术在纵剖面微小断层成像,深层抗噪性方面具有明显优势,平面上断裂清晰合理,低序级断层及微小构造...
全卷积网络实现了血管分割。全卷积网络是在Alexnet的基础上改进的,其核心 创新点有三点:其一,为了实现卷积神经网络对任意尺寸输入图像的语义分割, 同时对图片进行像素级别的分类,FCN设计将全连接层替换为全卷积层,减少 了网络模型的计算量;其二,通过反卷积层将图像的尺寸恢复到输入大小,实现 FCN对图像的像素级分类,...
多尺度聚合3D U-Net 网络分割模型。该模型在U-Net++基础上新增了3个下采样操作，利用密集嵌套的3D U-Net 和解码器层的跳跃连接以及各层级3D U-Net 子网络之间的跳跃连接，促进各个层级和各个尺度的特征信息融合，增强了对细节特征的提取能力，从而提升了对小尺度肾肿瘤和肿瘤边缘的分割精度。实验结果表明：该模型...
基于U-net 的3D肿瘤分割算法仿真.docx,第第 PAGE 4 页 基于U-net 的3D肿瘤分割算法仿真 摘要 肿瘤是一种常见的疾病,一般分为良性肿瘤和恶性肿瘤,特别是恶性肿瘤是一种高危的疾病。对于良性肿瘤可以选择保守治疗,而对于恶性肿瘤一般都会选择手术切除,所以对于医生来讲