摘要： 在醫(yī)學圖像分割領(lǐng)域，不同設(shè)備或參數(shù)的噪聲干擾對模型的泛化產(chǎn)生負面影響。為解決由不同噪聲源導致的分割模型性能下降問題，提出了一種自適應(yīng)噪聲污染的雙階段高效分割模型NANet。該模型主要包括兩部分：去噪和分割。其中去噪部分采用無監(jiān)督的U型自動編碼器結(jié)構(gòu)，結(jié)合頻域可學習的去噪模塊，以緩解噪聲引起的目標域差異。分割部分基于DeepLabv3+架構(gòu)構(gòu)建模塊，聚焦于提高噪聲污染超聲圖像中目... （共9頁）