激活函數對影像遮罩分割深度神經網路的影響

作品摘要

醫療影像分析自動化能夠節省醫生的判讀時間，並作為輔助醫生診斷的利器。利用深度學習進行影像分割的技術在近年蓬勃發展，本研究旨在改善模型分割的效果，採用公開的肝臟及腹部器官 CT 及 MRI 造影圖資料集，作為研究素材。研究過程中架構了兩個深層神經網路模型：Model 1：純粹 U-net 模型及 Model 2： ResNet34+U-net 模型，並透過調整各隱藏層的激活函數來觀察並改善腹腔影像的自動分割品質，以達到最佳化模型準確度的目的。