基于分水岭修正与U-Net的肝脏图像分割算法

• 作者: 丁菊敏 万永 亢洁 雷涛
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 肝脏图像分割 卷积神经网络 U-Net模型 分水岭算法 边界修正
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 图形图像处理
• 页码范围: 255-261,270
• 页数: 8页
• 分类号: TP391
• 字数: 4738字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055495

摘要

在利用卷积神经网络分割肝脏边界较模糊的影像数据时容易丢失位置信息,导致分割精度较低.针对该问题,提出一种基于分水岭修正与 U-Net模型相结合的肝脏图像自动分割算法.利用 U-Net分层学习图像特征的优势,将浅层特征与深层语义特征相融合,避免丢失目标位置等细节信息,得到肝脏初始分割结果.在此基础上,通过分水岭算法形成的区域块对肝脏初始分割结果的边界进行修正,以获得边界平滑精确的分割结果.实验结果表明,与传统的图割算法和全卷积神经网络算法相比,该算法能够实现更为精准的肝脏图像分割.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	亢洁	陕西科技大学电气与控制工程学院	34	120	6.0	9.0
2	万永	西安交通大学第一附属医院老年外科	16	58	4.0	6.0
3	雷涛	陕西科技大学电子信息与人工智能学院	11	12	3.0	3.0
4	丁菊敏	陕西科技大学电气与控制工程学院	1	1	1.0	1.0