作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
脊柱的精准分割具有重要的意义,传统分割椎骨的方法耗费时间,分割精度也有待提高,而且许多方法都需要大量的预处理.卷积神经网络已被用来解决包括计算机视觉和医学图像分析的领域的很多问题,文中建立了一个3D全卷积神经网络,使用训练后的3D全卷积神经网络分割三维脊柱CT,实验证明,不仅耗时短,而且得到的分割结果也比较准确,得到的DICE均值约为0.95.
推荐文章
基于3D卷积神经网络的脑肿瘤医学图像分割优化
脑肿瘤
医学图像分割
多模态MRI
差异信息提取
多尺度采样
3D卷积神经网络
基于3D卷积神经网络的视频哈希算法
深度学习
哈希算法
视频检索
3D打印技术在脊柱肿瘤外科教学中的应用及效果分析
3D打印技术
脊柱肿瘤外科
教学应用
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 3D全卷积网络在脊柱分割中的应用
来源期刊 电子科技 学科 工学
关键词 深度学习 CT图像 分割 脊柱
年,卷(期) 2018,(11) 所属期刊栏目
研究方向 页码范围 75-79
页数 5页 分类号 TN911.73|TP391.41
字数 3026字 语种 中文
DOI 10.16180/j.cnki.issn1007-7820.2018.11.019
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李贤 杭州电子科技大学计算机学院 3 2 1.0 1.0
2 何洁 杭州电子科技大学计算机学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (3)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(4)
  • 参考文献(4)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
CT图像
分割
脊柱
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子科技
月刊
1007-7820
61-1291/TN
大16开
西安电子科技大学
1987
chi
出版文献量(篇)
9344
总下载数(次)
32
总被引数(次)
31437
论文1v1指导