清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

A Parallel Convolutional Network Based on Spiking Neural Systems

计算机科学 模式识别(心理学) 卷积神经网络 分割 Sørensen–骰子系数 特征提取 核(代数) 卷积(计算机科学) 特征(语言学) 人工智能 人工神经网络 图像分割 数学 语言学 哲学 组合数学
作者
Chi Zhou,Lulin Ye,Hong Peng,Zhicai Liu,Jun Wang,Antonio Ramírez-de-Arellano
出处
期刊:International Journal of Neural Systems [World Scientific]
卷期号:34 (05): 2450022-2450022 被引量:18
标识
DOI:10.1142/s0129065724500229
摘要

Deep convolutional neural networks have shown advanced performance in accurately segmenting images. In this paper, an SNP-like convolutional neuron structure is introduced, abstracted from the nonlinear mechanism in nonlinear spiking neural P (NSNP) systems. Then, a U-shaped convolutional neural network named SNP-like parallel-convolutional network, or SPC-Net, is constructed for segmentation tasks. The dual-convolution concatenate (DCC) and dual-convolution addition (DCA) network blocks are designed, respectively, in the encoder and decoder stages. The two blocks employ parallel convolution with different kernel sizes to improve feature representation ability and make full use of spatial detail information. Meanwhile, different feature fusion strategies are used to fuse their features to achieve feature complementarity and augmentation. Furthermore, a dual-scale pooling (DSP) module in the bottleneck is designed to improve the feature extraction capability, which can extract multi-scale contextual information and reduce information loss while extracting salient features. The SPC-Net is applied in medical image segmentation tasks and is compared with several recent segmentation methods on the GlaS and CRAG datasets. The proposed SPC-Net achieves 90.77% DICE coefficient, 83.76% IoU score and 83.93% F1 score, 86.33% ObjDice coefficient, 135.60 Obj-Hausdorff distance, respectively. The experimental results show that the proposed model can achieve good segmentation performance.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
淡然的半烟完成签到,获得积分10
2秒前
wang完成签到,获得积分10
5秒前
xiaoju发布了新的文献求助10
5秒前
6秒前
GingerF的应助被Noufil采纳,获得250
8秒前
阳光绿柳发布了新的文献求助10
13秒前
GingerF的应助被Noufil采纳,获得110
19秒前
飞快的乘风完成签到,获得积分10
27秒前
Nole的应助被李明采纳,获得20
27秒前
自觉的猕猴桃完成签到,获得积分10
48秒前
李明完成签到,获得积分10
52秒前
keyanxiaobai完成签到 ,获得积分10
56秒前
明理冰海完成签到,获得积分10
1分钟前
xuexixiaojin完成签到 ,获得积分10
1分钟前
super完成签到,获得积分10
1分钟前
霸气祥完成签到,获得积分10
1分钟前
酷酷云朵完成签到,获得积分10
1分钟前
柔弱的妙旋完成签到,获得积分10
1分钟前
几米的漫画99完成签到,获得积分10
1分钟前
sissiarno的应助被科研通管家采纳,获得30
1分钟前
sissiarno的应助被科研通管家采纳,获得40
1分钟前
2分钟前
酷波er的应助被几米的漫画99采纳,获得10
2分钟前
2分钟前
秀丽若魔完成签到,获得积分10
2分钟前
邓代容完成签到 ,获得积分0
2分钟前
2分钟前
2分钟前
踏实雪卉完成签到,获得积分10
2分钟前
MingY完成签到,获得积分10
2分钟前
棉裤完成签到,获得积分10
2分钟前
怕黑明雪完成签到,获得积分10
2分钟前
tianshanfeihe完成签到 ,获得积分10
2分钟前
77完成签到,获得积分10
2分钟前
刘雯完成签到,获得积分10
2分钟前
小伙不错完成签到 ,获得积分10
2分钟前
RYYYYYYY233完成签到 ,获得积分0
2分钟前
xybjt完成签到 ,获得积分10
2分钟前
正常糖完成签到 ,获得积分10
2分钟前
勤恳媚颜完成签到,获得积分10
2分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Hidden Empire of Finance: How Wall Street Profits from Our Cities and Fuels Global Inequality 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8166463
求助须知:如何正确求助?哪些是违规求助? 9559494
关于积分的说明 21750516
捐赠科研通 7757246
什么是DOI,文献DOI怎么找? 3429141
关于科研通互助平台的介绍 2553507
邀请新用户注册赠送积分活动 2473845