基于3D卷积神经网络的肝脏自动分割方法

• 作者: 何兰 吴倩
• 来源期刊: 中国医学物理学杂志
• 关键词: 三维卷积神经网络 深度监督机制 图割 先验信息 肝脏分割
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 医学影像物理
• 页码范围: 680-686
• 页数: 7页
• 分类号: R312
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2018.06.012

摘要

原发性肝脏恶性肿瘤是我国高发且危害极大的恶性肿瘤.肝脏手术(如肿瘤切除、活体肝移植等)是各种常见肝脏良恶性疾病的主要治疗方法之一.从医学影像中将肝脏组织准确地分割出来,是计算机辅助肝脏疾病诊断与手术规划中一个基础且至关重要的步骤.针对肝脏分割的特异性及分割难点,提出3D卷积神经网络(3DCNN)肝脏自动分割算法模型.3DCNN基于对体数据的训练能很好地学习到肝脏图像平面与空间信息.通过将深度监督机制无缝地整合到3DCNN中,能够有效解决梯度消失或爆炸的优化问题,加快收敛速度的同时提高分辨能力.最后,将初始分割结果作为先验信息,采用基于多星凸约束的图割算法做进一步的分割优化.实验结果表明该分割模型能够将肝脏组织从腹部CT图像中精确分割.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何兰		1	7	1.0	1.0
2	吴倩		2	7	1.0	2.0