基于HC-CFCN模型的肝脏CT图像分割

• 作者: 何江萍 刘天宇 姜威威 韩金仓
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 肝脏图像分割 级联式全卷积神经网络 层间上下文信息 能量图 计算机断层扫描
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 图形图像处理
• 页码范围: 268-273
• 页数: 6页
• 分类号: TP391
• 字数: 4291字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053712

摘要

在计算机断层扫描(CT)图像中肝脏与相邻器官灰度值近似,且不同患者的肝脏轮廓存在差异性,导致肝脏CT图像的精确分割成为医学图像处理中的难题之一.为实现肝脏CT图像的自动分割,构建一种层间上下文级联式的全卷积神经网络模型HC-CFCN.利用第1级网络实现肝脏轮廓的粗略分割,并将其分割结果与原始CT图像、肝脏能量图共同作为第2级网络的输入,优化分割结果.在LiTS数据集上的实验结果表明,与U-Net、FCN+3DCRF和V-Net模型相比,HC-CFCN模型的分割精度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜威威	兰州财经大学信息工程学院	2	0	0.0	0.0
2	韩金仓	兰州财经大学信息工程学院	3	0	0.0	0.0
3	刘天宇	兰州财经大学信息工程学院	1	0	0.0	0.0
4	何江萍	兰州财经大学信息工程学院	2	0	0.0	0.0