17、医学影像分割与足式机器人步态跟踪控制技术解析

医学影像分割与足式机器人步态跟踪控制技术解析

1. 医学影像分割技术

在医学影像处理领域，肾图分割是一项重要的任务。研究人员受到注意力机制的启发，提出了基于 U - Net 的多尺度通道自选择模块和细化跳跃连接模块，并首次将分割网络应用于肾图数据集。

1.1 细化模块数量对分割效果的影响

为了研究细化模块数量对分割效果的影响，进行了相关实验，实验结果如下表所示：
|模型|Miou (%)|dice coeff(%)|Precision (%)|Recall (%)|
| ---- | ---- | ---- | ---- | ---- |
|U - Net(baseline)|90.8407|91.2126|93.4514|93.3011|
|U - Net + RSC (r = 1)|91.542|91.6532|95.131|93.7643|
|U - Net + RSC (r = 2)|91.4334|92.3662|94.8901|93.4827|
|U - Net + RSC (r = 3)|92.0554|93.0048|94.8331|93.9438|

从实验结果可以得出，细化模块的数量对分割效果有影响。当 r = 3 时，就 Miou 而言，实现了 1.22% 的提升，dice 系数也增加了 1.79%，并且在精度和召回率方面也能保持较高水平。因此，最终选择 r = 3，即采用三个细化模块。

1.2 模块优势分析

• 多尺度通道自选择模块 ：该模块可以融合下采样得到的不同尺度的特征图，最终得到