基于Unet的多模态脑胶质瘤病灶自动获取模型

摘要：

针对脑胶质瘤分割困难,医生工作量大并且人工勾画的准确性高度依赖医生的经验,存在不能保证勾画的准确率等问题,文章提出了基于Unet的多模态脑胶质瘤病灶自动获取模型,实现对脑肿瘤的精准分割.首先根据Unet网络架构构建脑胶质瘤病灶自动获取模型,然后对不同模态的图像进行数据扩增和标准化处理后,作为网络的输入,使用dice loss来进行训练,最终得到多模态脑胶质瘤自动获取模型.实验结果显示,在Brats2017多模态脑胶质瘤数据集中,1-dice总体呈现递减,hard-dice和iou不断增加,实验效果良好.

关键词：深度学习;Unet;脑胶质瘤分割;Brats2017数据集

所属期刊栏目：23

分类号：TP18(自动化基础理论)

资助基金：大学生创新计划项目;江苏省高等教育教改研究课题;基础医学国家级实验教学示范中心徐州医科大学资助项目

在线出版日期：2022-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：21-24