基于组合U-Net网络的CT图像头颈放疗危及器官自动分割

• 作者: 贺宝春 贾富仓
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 头颈 危及器官 图像分割 nnU-Net 组合模型
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 生物医药与生物医学工程
• 页码范围: 17-24
• 页数: 8页
• 分类号: TG156
• 字数: 4152字
• 语种: 中文
• DOI: 10.12146/j.issn.2095-3135.20191216001

摘要

CT图像头颈分割面临着以下难点:CT图像的低对比度导致边界不清,图像扫描间距过大导致冠状面和矢状面图像分辨率低,头颈中待分割的22个器官对于神经网络构建建模的需求不同,且由于存在极小器官造成了类间不平衡.为解决上述问题,该文提出一种U-Net组合模型——由3种U-Net模型组成,分别是2D U-Net模型、3D U-Net模型及3D-small U-Net模型.其中,2D U-Net模型用于厚层图像的分割,3D U-Net模型利用三维空间信息,3D-small U-Net模型用于分割最小的两个器官以解决类不平衡问题.该方法在MICCAI 2019 StructSeg头颈放疗危及器官分割任务中取得了第2名的成绩,平均DSC系数为80.66％,95％豪斯道夫距离为2.96 mm.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾富仓	中国科学院深圳先进技术研究院	20	268	9.0	16.0
5	贺宝春	中国科学院深圳先进技术研究院	1	0	0.0	0.0