基于深度学习的脊椎CT图像分割

摘要：

脊椎CT图像分割是脊椎三维重建可视化的关键.针对脊椎CT图像中脊椎边缘模糊,结构复杂,形状多变等问题,基于深度学习方法提出一种双解码器网络.该网络在编码解码网络U-Net结构基础上增加了一条结构相同的并行解码分支,两个解码分支可以互补地提取图像特征.并且,在编码与解码之间加入双重特征融合模块,解决网络在下采样和上采样过程中造成的语义信息丢失问题.同时用密连混合卷积模块代替原始卷积模块,提高网络对多尺度特征的提取能力.此外加入高效注意力模块,使网络在空间上注重学习感兴趣区域,在通道上抑制无关信息.在CSI2014公开数据集上进行测试,Dice系数达到0.970,Jaccard系数达到0.945,召回率达到0.962.实验结果表明,该网络能够提高脊椎分割精度,具有较好的泛化能力,可以满足临床脊椎CT图像分割需求.

关键词：脊椎分割、深度学习、双解码器网络、双重特征融合模块、密连混合卷积模块、高效注意力模块

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;云南大学研究生实践创新项目

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：151-159