多视图卷积轻量级脑肿瘤分割算法
脑肿瘤分割对医学图像处理领域发展与人类健康都具有积极意义.针对三维卷积神经网络存在复杂度大且对硬件设备要求高等问题,提出一种多视图卷积轻量级脑肿瘤分割算法.首先使用复用器模块有效融合各通道间的信息,并为模型增加提取非线性特征的能力.其次使用伪三维卷积分别从轴向位、矢状位和冠状位进行卷积,并加入组卷积以节约计算资源和降低设备显存使用.最后使用可训练参数权衡不同视图下提取的特征的重要性,提高模型分割精度.此外,实验使用分布式数据并行方法训练模型,以提升图形处理器的利用率.在2019年脑肿瘤分割大赛公开数据集上的实验结果表明,所提算法的平均Dice相似度系数仅低于第一名算法2.52个百分点,然而参数量与浮点运算次数分别降低了84.83%和96.67%,且平均Dice相似度系数高于第二名算法0.05%.通过对比实验分析,验证了所提算法的精确与轻量,为脑肿瘤分割模型的广泛应用提供了可能性.
多视图、卷积神经网络、脑肿瘤分割、深度学习、轻量级
60
TP391.7(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;天津市自然科学基金;天津市科技计划项目;天津大学自主创新基金项目
2023-07-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
192-199