改进的卷积神经网络在医学图像分割上的应用

• 作者: 刘辰 杜年茂 肖志勇
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 医学图像分割 磁共振成像(MRI) 卷积神经网络 长短记忆网络(LSTM) 多视图集成
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1593-1603
• 页数: 11页
• 分类号: TP391.41
• 字数: 2862字
• 语种: 中文

摘要

为了提高医学图像分割的精确性和鲁棒性,提出了一种基于改进卷积神经网络的医学图像分割方法.首先采用卷积神经网络对冠状面、矢状面以及横断面三个视图下的2D切片序列进行分割,然后将三个视图下的分割结果进行集成,得到最终的结果.其中卷积神经网络由编码部分、双向卷积长短记忆网络(BDC-LSTM)和解码部分组成.为获取多尺度信息,扩大卷积层的感受野,编码部分使用不同大小的非对称卷积层和空洞卷积.此外,在编码和解码部分之间使用BDC-LSTM,充分挖掘单视图下切片序列间的相关信息,从而提高分割精度.以海马体分割为例,在ADNI标准数据集上,以相似性系数、灵敏度和阳性预测率作为评判标准,准确率分别达到了89.36%、88.73%和90.16%.实验结果表明,该算法在准确率上更具竞争力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖志勇	江南大学物联网工程学院	9	24	3.0	4.0
2	刘辰	江南大学物联网工程学院	3	4	1.0	2.0
3	杜年茂	江南大学物联网工程学院	1	4	1.0	1.0