多分类CNN的胶质母细胞瘤多模态MR图像分割

• 作者: 徐小媚 许茂盛 赖小波
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 胶质母细胞瘤 多模态磁共振图像 自动分割 多分类卷积神经网络 图像块
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 1738-1747
• 页数: 10页
• 分类号: TP391.41
• 字数: 7516字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.08.018

摘要

为提高胶质母细胞瘤(GBM)多模态磁共振(MR)图像中各肿瘤子区域分割的准确性,提出一种多分类卷积神经网络(CNN)的GBM多模态MR图像自动分割算法.首先在98％ 缩尾处理和配准GBM多模态MR图像后,利用N4ITK法校正偏移场;其次构建一个主要由4个卷积层、2个池化层和2个全连接层组成的多分类CNN模型,训练后预分割GBM多模态MR图像,将体素分为5类不同的标签;最后移除所有小于200体素的假阳性区域,中值滤波后获得最终分割结果.以Dice相似性系数DSC、阳性预测值PPV和平均Hausdorff距离AHD为评价指标,利用所提出的算法对F-C-GBM数据集中整个肿瘤组织进行分割,获得的DSC、PPV、AHD分别为0.889±0.087、0.859±0.127和1.923.结果表明,该算法能有效提高GBM多模态MR图像分割的性能,可望有临床应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许茂盛	浙江中医药大学第一临床医学院	85	444	12.0	17.0
2	徐小媚	浙江中医药大学医学技术学院	12	15	2.0	2.0
3	赖小波	浙江中医药大学医学技术学院	15	25	4.0	4.0