2020-CBMS-DoubleU-Net：基于TensorFlow Keras的语义图像分割模型

简介：
2020-CBMS-DoubleU-Net是一款采用TensorFlow Keras开发的先进语义图像分割工具，它在医学影像分析领域展现了卓越性能，为精确医疗提供了强有力的技术支撑。 DoubleU-Net是一种用于医学图像分割的深度卷积神经网络模型。该模型以VGG19作为编码器子网开始，并随后连接解码器子网。在输入过程中，原图被送入一个修改过的UNet（称为UNet1），生成预测蒙版（即output1）。接着，将原始图像与这个输出的蒙版相乘后得到的结果用作第二个修改后的U-Net（称作UNet2）的输入，并由后者生成另一个预测蒙版（output2）。最后一步是连接两个掩码（输出1和输出2），以获得最终预测的掩码。 实验中使用的数据集包括MICCAI 2015分割挑战赛中的CVC-ClinicDB训练集及ETIS-Larib测试集，以及2018年的数据科学碗挑战赛的相关数据。超参数设置为：批次大小=16，迭代次数（或称epoch数）=300。