基于3D卷积神经网络的脑肿瘤医学图像分割优化

• 作者: 曹祺炜 牛锦 王峰
• 来源期刊: 现代电子技术
• 关键词: 脑肿瘤 医学图像分割 多模态MRI 差异信息提取 多尺度采样 3D卷积神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信号分析与图像处理
• 页码范围: 74-77
• 页数: 4页
• 分类号: TN911.73-34|TP399
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.03.018

摘要

针对2D卷积神级网络不能够较好地提取各模态之间的差异信息,不同的图像层肿瘤大小差异显著,且分割精度低,单模态MRI无法清晰地反映GBM的不同组织结构,提出一种基于3D多池化卷积神经网络拟解决以上实际问题.将卷积神经网络应用到脑肿瘤分割上,并针对脑肿瘤的特点,提出3D多池化卷积神经网络模型,通过多尺度的输入与多尺度的下采样,且在后端使用条件随机场(CRF)使图片尽量在边界处分割,增加图像的分割精度,克服脑肿瘤的个体差异,同时适应脑肿瘤不同图像层之间的大小位置差异.通过对100例患者的多模态磁共振图像进行分割,Dice系数达到91.64％;MRI脑肿瘤分割的改进方法可使分割精度得到明显提高,可更好地提取各模态之间的差异信息,实现适应范围更广的MRI肿瘤分割,并准确有效地分割脑肿瘤.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王峰	太原理工大学信息与计算机学院	45	166	7.0	10.0
2	曹祺炜	太原理工大学信息与计算机学院	2	2	1.0	1.0
3	牛锦	太原理工大学信息与计算机学院	1	1	1.0	1.0