基于深度监督全卷积神经网络的MRI脑图像语义分割算法

• 作者: 丘子明 许燕 黄星奕
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 语义分割 深度学习 医学图像 神经网络 机器学习
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 论著
• 页码范围: 277-282
• 页数: 6页
• 分类号: R318.04
• 字数: 3458字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2019.03.010.

摘要

目的 依据临床诊断对MRI脑图像自动分割算法的需求,基于卷积神经网络(convolutional neural networks,CNN)设计了一种端到端的深度监督全卷积网络(deeply supervised fully convolutional network,DS?FCN)以解决脑图像中脑组织的自动分割问题.方法 针对三维MRI脑图像,先将体数据切割成二维图像切片,在FCN网络结构的基础上,加入了深度监督机制,即在特征提取的多层级结构中提前得到损失值反馈.结果 以三维MRI脑图像公开数据集LPBA-40为实验数据,56类脑组织的准确率(precision rate)、召回率(recall rate)、F1评估值分别为74.40％、74.82％、73.75％,测试速率为152 ms.结论 通过引入深度监督结构,改进后的DS?FCN在MRI脑组织分割任务中得到了更精准的分割效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许燕	北京航空航天大学深圳研究院	7	26	3.0	5.0
2	黄星奕	北京航空航天大学深圳研究院	1	4	1.0	1.0
3	丘子明	北京航空航天大学深圳研究院	1	4	1.0	1.0