基于深度学习算法的脑肿瘤CT图像特征分割技术改进

• 作者: 崔仲远 黄伟
• 来源期刊: 现代电子技术
• 关键词: 深度学习算法 脑肿瘤CT图像 特征分割技术 多模态3D-CNN SAE结构 数据集
• 年，卷（期）: 2018,（16）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 92-95
• 页数: 4页
• 分类号: TN911.73-34|R739.41
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2018.16.023

摘要

针对基于数学形态的脑肿瘤CT图像特征分割技术存在准确率低、分割效果不明确的弊端,提出基于深度学习算法的脑肿瘤CT图像特征分割技术.将可视人体数据集CVH-2作为研究对象,对数据集中的图像实施预处理,对图像四个模态实施卷积分别获取不同模态彼此的差异信息,归一化获取脑肿瘤CT图像多模态3D-CNNs特征.对基于SAE深度学习算法的脑肿瘤CT图像特征分割模型实施二级训练,将脑肿瘤CT图像多模态3D-CNNs特征经过处理后获取的S,V通道数据输入模型实施训练,在第二级训练的过程中把第一级SAE训练得到的权重作为二级训练的原始权重,将一级训练中错误分割的组织结构和沟回作为二次训练的数据集,获取脑肿瘤CT图像特征的准确分割结果.实验结果表明,所提方法在脑肿瘤CT图像特征分割准确率和效率方面具有显著优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔仲远	周口师范学院计算机科学与技术学院	17	45	3.0	5.0
2	黄伟	郑州轻工业学院计算机与通信工程学院	2	2	1.0	1.0