基于级联式三维卷积神经网络的肝肿瘤自动分割

• 作者: 吴宇雳 李渊强 杨孝平
• 来源期刊: 中国医学物理学杂志
• 关键词: 肝肿瘤 自动分割 级联式卷积神经网络 残差结构
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 医学人工智能
• 页码范围: 1362-1366
• 页数: 5页
• 分类号: R318|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2019.11.022

摘要

目的:根据肝肿瘤CT影像中的特异性、分割难点以及残差网络思想,提出一种基于级联式卷积神经网络的全自动CT图像肝脏肿瘤分割方法.方法:首先根据临床知识对CT数据进行预处理,减少干扰;然后基于一个肝脏粗分割网络对肝脏进行分割,并根据分割结果坐标选取肝脏作为感兴趣区域;最后在感兴趣区域内对肿瘤进行精准分割.结果:通过级联式网络分割可以有效减少计算时间以及避免其它组织的干扰,从而实现肝肿瘤的快速分割.本研究提出的方法在2017年MICCAI肝肿瘤分割公开比赛数据集LiTS中进行测试,平均Dice分数为0.663,证实了其对肝肿瘤分割的有效性.结论:基于级联式卷积神经网络的全自动CT图像肝脏肿瘤分割方法可以实现肿瘤的快速分割.后期研究将继续增加数据量,对肿瘤进行分类,从而进一步完善模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨孝平	南京大学数学系	4	2	1.0	1.0
2	吴宇雳	南京理工大学理学院	2	2	1.0	1.0
3	李渊强	南京理工大学理学院	2	2	1.0	1.0