基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目的 肿瘤周围高危器官的准确分割是图像引导放射治疗中的关键步骤,也是对抗肺癌和食道癌,规划有效治疗策略的重要组成部分.为了解决不同患者之间器官形状和位置的复杂变化情况以及计算机断层扫描(com-puted tomography,CT)图像中相邻器官之间软组织对比度低等问题,本文提出了一种深度学习算法对胸部CT图像中的高危器官进行细分.方法 以U-Net神经网络结构为基础,将冠状面下的3个连续切片序列即2.5D(2.5 dim-ention)数据作为网络输入来获取切片联系,同时利用高效全局上下文实现不降维的跨通道交互、捕获单视图下切片序列间的长距离依赖关系、加强通道联系和融合空间全局上下文信息.在编码部分使用金字塔卷积和密集连接的集成提取多尺度信息,扩大卷积层的感受野,并将解码器与编码器每层进行连接来充分利用多尺度特征,增强特征图的辨识度.考虑到CT图像中多器官形状不规则且紧密相连问题,加入深度监督来学习不同层的特征表示,从而精准定位器官和细化器官边界.结果 在ISBI(International Symposium on Biomedical Imaging)2019 SegTHOR(segmentation of thoracic organs at risk in CT images)挑战赛中,对40个胸部多器官训练样本进行分割,以Dice系数和HD(Hausdorff distance)距离作为主要评判标准,该方法在测试样本中食道、心脏、气管和主动脉的Dice系数分别达到0.8551、0.9457、0.9230和0.9383,HD距离分别为0.3023、0.1805、0.2122和0.1918.结论 融合全局上下文和多尺度特征的算法在胸部多器官分割效果上更具竞争力,有助于临床医师实现高效的诊断与治疗.
推荐文章
基于光谱上下文特征的多光谱舰船ROI鉴别方法
多光谱遥感图像
舰船ROI鉴别
光谱特征
梯度方向
SVM分类
图像分辨率
多分辨率多上下文的脑磁共振图像自动分割
多分辨率
多上下文
磁共振图像
图像分割
空时上下文模型下基于多种特征融合的监控目标跟踪
目标跟踪
多特征融合
自适应
空时模型
泛化能力
互补特性
具有上下文认知的高能效多径路由算法研究
上下文认知
能量路由
多径
自学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 融合上下文和多尺度特征的胸部多器官分割
来源期刊 中国图象图形学报 学科
关键词 多器官分割 伪三维 高效全局上下文 金字塔卷积 多尺度特征
年,卷(期) 2021,(9) 所属期刊栏目 计算机断层扫描图像|Computerd Tomography Image
研究方向 页码范围 2135-2145
页数 11页 分类号 TP391
字数 语种 中文
DOI 10.11834/jig.200558
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多器官分割
伪三维
高效全局上下文
金字塔卷积
多尺度特征
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国图象图形学报
月刊
1006-8961
11-3758/TB
大16开
北京9718信箱
82-831
1996
chi
出版文献量(篇)
5906
总下载数(次)
17
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导