基于深度学习的脊柱CT图像分割

• 作者: 刘忠利 单志勇 蒋学芹 陈光
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 脊柱CT图像 深度学习 卷积-反卷积网络 全自动分割
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 200-204,273
• 页数: 6页
• 分类号: TP3
• 字数: 5117字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.10.036

摘要

脊柱CT图像具有组织对比度低,脊柱边界形态不规则,图像中存在噪声等问题.传统分割算法常需人工干预或引进先验信息,分割效率较低,不能很好地满足临床实时性需求.针对以上问题,将深度学习算法应用于脊柱图像分割,提出基于卷积-反卷积神经网络的脊柱CT图像全自动分割方法.在全卷积网络的基础上构建其对称的反卷积网络,卷积网络用于自动提取脊柱图像的深层次特征,反卷积网络将特征图循序渐进地恢复到原图像尺寸.在网络训练阶段,为了加快网络收敛速度、提高训练效率,采用预训练法和改进的随机梯度下降法来训练网络.利用训练好的模型,直接对输入图像每个像素所属类别的概率进行预测,达到分割目的.实验结果表明,运用该法分割脊柱CT图像所获得的准确度和实时性好,DSC指标约89.63％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈光	东华大学信息科学与技术学院	52	214	7.0	10.0
2	单志勇	东华大学信息科学与技术学院	25	58	4.0	6.0
3	蒋学芹	东华大学信息科学与技术学院	14	58	5.0	7.0
4	刘忠利	东华大学信息科学与技术学院	1	3	1.0	1.0