• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Correction: DCAU-Net: dense convolutional attention U-Net for segmentation of intracranial aneurysm images.

作者信息

Yuan Wenwen, Peng Yanjun, Guo Yanfei, Ren Yande, Xue Qianwen

机构信息

College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao, 266590, China.

The Department of Radiology, the Afliated Hospital of Qingdao University, Qingdao, 266000, China.

出版信息

Vis Comput Ind Biomed Art. 2022 May 8;5(1):12. doi: 10.1186/s42492-022-00110-7.

DOI:10.1186/s42492-022-00110-7
PMID:35526175
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC9081071/
Abstract
摘要
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/f38c/9081071/b672a8b9aaa3/42492_2022_110_Fig2_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/f38c/9081071/76b8bfc36ed3/42492_2022_110_Fig1_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/f38c/9081071/b672a8b9aaa3/42492_2022_110_Fig2_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/f38c/9081071/76b8bfc36ed3/42492_2022_110_Fig1_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/f38c/9081071/b672a8b9aaa3/42492_2022_110_Fig2_HTML.jpg

相似文献

1
Correction: DCAU-Net: dense convolutional attention U-Net for segmentation of intracranial aneurysm images.更正：DCAU-Net：用于颅内动脉瘤图像分割的密集卷积注意力U-Net
Vis Comput Ind Biomed Art. 2022 May 8;5(1):12. doi: 10.1186/s42492-022-00110-7.
2
DCAU-Net: dense convolutional attention U-Net for segmentation of intracranial aneurysm images.DCAU-Net：用于颅内动脉瘤图像分割的密集卷积注意力U型网络
Vis Comput Ind Biomed Art. 2022 Mar 28;5(1):9. doi: 10.1186/s42492-022-00105-4.
3
Evaluation of fully automated myocardial segmentation techniques in native and contrast-enhanced T1-mapping cardiovascular magnetic resonance images using fully convolutional neural networks.使用全卷积神经网络评估 native 和 contrast-enhanced T1-mapping 心血管磁共振成像中的全自动心肌分割技术。
Med Phys. 2021 Jan;48(1):215-226. doi: 10.1002/mp.14574. Epub 2020 Dec 1.
4
Dense-UNet: a novel multiphoton cellular image segmentation model based on a convolutional neural network.密集型U-Net：一种基于卷积神经网络的新型多光子细胞图像分割模型。
Quant Imaging Med Surg. 2020 Jun;10(6):1275-1285. doi: 10.21037/qims-19-1090.
5
DENSE-INception U-net for medical image segmentation.基于密集卷积 Inception 的 U-Net 网络在医学图像分割中的应用
Comput Methods Programs Biomed. 2020 Aug;192:105395. doi: 10.1016/j.cmpb.2020.105395. Epub 2020 Feb 15.
6
Hybrid dilation and attention residual U-Net for medical image segmentation.混合扩张和注意力残差 U-Net 用于医学图像分割。
Comput Biol Med. 2021 Jul;134:104449. doi: 10.1016/j.compbiomed.2021.104449. Epub 2021 May 11.
7
IBA-U-Net: Attentive BConvLSTM U-Net with Redesigned Inception for medical image segmentation.IBA-U-Net：具有重新设计的 Inception 的注意力 BConvLSTM U-Net 用于医学图像分割。
Comput Biol Med. 2021 Aug;135:104551. doi: 10.1016/j.compbiomed.2021.104551. Epub 2021 Jun 12.
8
Fully convolutional architecture vs sliding-window CNN for corneal endothelium cell segmentation.用于角膜内皮细胞分割的全卷积架构与滑动窗口卷积神经网络对比
BMC Biomed Eng. 2019 Jan 30;1:4. doi: 10.1186/s42490-019-0003-2. eCollection 2019.
9
Multi-U-Net: Residual Module under Multisensory Field and Attention Mechanism Based Optimized U-Net for VHR Image Semantic Segmentation.多模态 U-Net：基于多感觉场和注意力机制的残差模块优化的高分辨率图像语义分割 U-Net。
Sensors (Basel). 2021 Mar 5;21(5):1794. doi: 10.3390/s21051794.
10
A Hybrid Model Composed of Two Convolutional Neural Networks (CNNs) for Automatic Retinal Layer Segmentation of OCT Images in Retinitis Pigmentosa (RP).一种由两个卷积神经网络（CNNs）组成的混合模型，用于自动分割色素性视网膜炎（RP）的 OCT 图像中的视网膜层。
Transl Vis Sci Technol. 2021 Nov 1;10(13):9. doi: 10.1167/tvst.10.13.9.

本文引用的文献

1
DCAU-Net: dense convolutional attention U-Net for segmentation of intracranial aneurysm images.DCAU-Net：用于颅内动脉瘤图像分割的密集卷积注意力U型网络
Vis Comput Ind Biomed Art. 2022 Mar 28;5(1):9. doi: 10.1186/s42492-022-00105-4.