改进的卷积神经网络在医学图像分割上的应用

被引：45

作者：

刘辰

肖志勇

杜年茂

机构：

[1] 江南大学物联网工程学院

来源：

计算机科学与探索 | 2019年 / 13卷 / 09期

关键词：

医学图像分割; 磁共振成像（MRI）; 卷积神经网络; 长短记忆网络（LSTM）; 多视图集成;

D O I：

暂无

中图分类号：

R319 [其他科学技术在医学上的应用]; TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

100103 [病原生物学]; 140502 [人工智能];

摘要：

为了提高医学图像分割的精确性和鲁棒性,提出了一种基于改进卷积神经网络的医学图像分割方法。首先采用卷积神经网络对冠状面、矢状面以及横断面三个视图下的2D切片序列进行分割,然后将三个视图下的分割结果进行集成,得到最终的结果。其中卷积神经网络由编码部分、双向卷积长短记忆网络(BDCLSTM)和解码部分组成。为获取多尺度信息,扩大卷积层的感受野,编码部分使用不同大小的非对称卷积层和空洞卷积。此外,在编码和解码部分之间使用BDC-LSTM,充分挖掘单视图下切片序列间的相关信息,从而提高分割精度。以海马体分割为例,在ADNI标准数据集上,以相似性系数、灵敏度和阳性预测率作为评判标准,准确率分别达到了89.36%、88.73%和90.16%。实验结果表明,该算法在准确率上更具竞争力。

引用

页码：1593 / 1603

页数：11

共 10 条

[1]

模糊隶属度加权的KFCM脑MRI的组织分割方法 [J].

赵海峰 ;

陈书海 .

计算机辅助设计与图形学学报, 2018, (11) :2055-2062

[2]

基于卷积-LSTM网络的广告点击率预测模型研究 [J].

厍向阳 ;

王邵鹏 .

计算机工程与应用 , 2019, (02) :193-197

[3]

基于LSTM的动态图模型异常检测算法研究 [J].

王凯 ;

陈丹伟 .

计算机工程与应用, 2019, 55 (05) :76-82

[4]

基于CNN和LSTM深度网络的伪装用户入侵检测 [J].

王毅 ;

冯小年 ;

钱铁云 ;

朱辉 ;

周静 .

计算机科学与探索 , 2018, (04) :575-585

[5]

Appearance-based modeling for segmentation of hippocampus and amygdala using multi-contrast MR imaging [J].

Hu, Shiyan ;

Coupe, Pierrick ;

Pruessner, Jens C. ;

Collins, D. Louis .

NEUROIMAGE, 2011, 58 (02) :549-559

[6]

Optimal weights for local multi-atlas fusion using supervised learning and dynamic information (SuperDyn): Validation on hippocampus segmentation [J].

Khan, Ali R. ;

Cherbuin, Nicolas ;

Wen, Wei ;

Anstey, Kaarin J. ;

Sachdev, Perminder ;

Beg, Mirza Faisal .

NEUROIMAGE, 2011, 56 (01) :126-139

[7]

Patch-based segmentation using expert priors: Application to hippocampus and ventricle segmentation.[J].Pierrick Coupé;José V. Manjón;Vladimir Fonov;Jens Pruessner;Montserrat Robles;D. Louis Collins.Neuroimage.2010, 2

[8]

Towards accurate, automatic segmentation of the hippocampus and amygdala from MRI by augmenting ANIMAL with a template library and label fusion [J].