基于半监督阶梯网络的肝脏CT影像分割

• 作者: 刘晓鸣 孙长建 李雪妍 郭树旭 金兰依 马树志
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 半监督学习 阶梯网络 医学图像分割 超像素
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 控制科学与工程
• 页码范围: 158-164
• 页数: 7页
• 分类号: TP193
• 字数: 3915字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2018.02.007

摘要

针对医学影像数据中标记样本较少且人工标记成本高的问题,提出一种基于半监督阶梯网络的肝脏CT(Computed Tomography)影像分割模型.首先,利用超像素分割对数据进行预处理减少数据量,并以像素点为中心提取子图像(patch)放入半监督模型进行训练.最后,利用训练模型进行肝脏分割.实验结果表明,该模型利用少量的标记图片得到了与监督学习相近的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭树旭	吉林大学电子科学与工程学院	128	882	16.0	22.0
2	刘晓鸣	吉林大学电子科学与工程学院	8	24	3.0	4.0
3	李雪妍	吉林大学电子科学与工程学院	19	152	7.0	12.0
4	金兰依	吉林大学电子科学与工程学院	2	3	1.0	1.0
5	马树志	吉林大学电子科学与工程学院	2	3	1.0	1.0
6	孙长建	吉林大学电子科学与工程学院	3	19	2.0	3.0