基于全卷积DenseNet的前列腺MRI分割新方法

• 作者: 杨洪光 胡学刚
• 来源期刊: 计算机应用研究
• 关键词: 前列腺MRI分割 DenseNet 全卷积神经网络 Dice损失函数
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1886-1889,1894
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.11.0909

摘要

前列腺磁共振图像(MRI)的自动分割对前列腺疾病的诊断至关重要,但是前列腺区域所占比例过小、组织边界模糊等问题为自动分割带来极大困难.针对这些问题,提出了一种基于全卷积DenseNet的前列腺MRI图像分割方法.该方法以现流行的深度学习理论为基础,利用迁移学习的思想,将DenseNet从自然图像迁移到前列腺数据集;采用反卷积和类似U-Net的全卷积神经网络结构,实现端到端的图像分割.同时引入并改进Dice相似性损失函数以解决前列腺MRI中背景所占比例远远大于前列腺区域和一些像素难以准确分割等问题.通过在PROMISE12数据集上进行实验,提出的方法Dice相似性系数达到93.25％,Hausdorff距离小于1.2 mm,相较于目前的主要方法,分割效果更好、所耗时间更短.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡学刚	重庆邮电大学通信与信息工程学院重庆市信号与信息处理重点实验室	57	229	8.0	11.0
2	杨洪光	重庆邮电大学通信与信息工程学院重庆市信号与信息处理重点实验室	1	0	0.0	0.0