利用DCE-MRI结合改进卷积神经网络的MR图像自动分割与分类方法

• 作者: 杨珍 王俊 辛春花
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像分割 卷积神经网络 DCE-MRI 混合集成 局部主动轮廓 计算机辅助诊断
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信息·计算机
• 页码范围: 147-157
• 页数: 11页
• 分类号: TP391
• 字数: 7763字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2020.02.021

摘要

为鉴别乳腺良、恶性肿瘤,利用动态增强磁共振成像(DCE-MRI)技术,结合混合集成的改进卷积神经网络(ME-ICNN),设计了一种计算机辅助诊断(CAD)方法.首先,在预处理阶段对输入的肿瘤图像进行背景缩减、对比度增强和乳房区域裁剪,采用全局Otsu阈值分割和形态学顶帽变换去除非损伤结构;然后,在定位阶段使用Chan-Vese活动轮廓模型自动选取最佳ROI,采用基于紧致度的滤波方法减少假阳性;最后,在诊断阶段提出一种新的卷积神经网络混合集成模型ME-ICNN,用于乳腺良恶性肿瘤的分类.通过112例DCE-MRI数据库上的实验结果表明:相比其他几种较新的卷积神经网络分类方法,所提出的ME-ICNN方法具有训练和测试执行时间快、自由参数少、分类精度高等优点,可作为放射科专家分析乳腺DCE-MRI图像的有效工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王俊	内蒙古农业大学计算机技术与信息管理系	49	239	8.0	13.0
2	杨珍	内蒙古农业大学计算机技术与信息管理系	16	44	4.0	6.0
3	辛春花	内蒙古农业大学计算机技术与信息管理系	7	0	0.0	0.0