10.19678/j.issn.1000-3428.0053712
基于HC-CFCN模型的肝脏CT图像分割
在计算机断层扫描(CT)图像中肝脏与相邻器官灰度值近似,且不同患者的肝脏轮廓存在差异性,导致肝脏CT图像的精确分割成为医学图像处理中的难题之一.为实现肝脏CT图像的自动分割,构建一种层间上下文级联式的全卷积神经网络模型HC-CFCN.利用第1级网络实现肝脏轮廓的粗略分割,并将其分割结果与原始CT图像、肝脏能量图共同作为第2级网络的输入,优化分割结果.在LiTS数据集上的实验结果表明,与U-Net、FCN+3DCRF和V-Net模型相比,HC-CFCN模型的分割精度较高.
肝脏图像分割、级联式全卷积神经网络、层间上下文信息、能量图、计算机断层扫描
46
TP391(计算技术、计算机技术)
国家自然科学基金61661024
2020-04-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
268-273