10.3778/j.issn.1002-8331.1812-0032
融合超像素和CNN的CT图像分割方法
提出了一种融合超像素和CNN的CT图像器官主动轮廓分割方法.用超像素SLIC方法将CT图像网格化并分配标签;将网格化后图像作为数据集训练CNN网络分割出器官(如肝脏、肺部等)边界超像素,并将这些超像素的种子点连接成为粗分割边界;将粗分割边界作为初始轮廓,进行模糊主动轮廓分割得到CT图像中器官的边界.经过实验对比,该方法对肺部CT图像的分割平均DC系数达到97%、平均ASD系数达到1.23 mm.在肝脏CT图像方面与参考算法进行相比,在保证分割精度的前提下,VOE系数平均减少1%,切片图像的分割时间平均提高10 s.
CT图像、超像素、卷积神经网络(CNN)、模糊主动轮廓分割
56
TP391.41(计算技术、计算机技术)
国家自然科学基金;辽宁省自然科学基金;省社科联2020年度辽宁省经济社会发展研究课题;辽宁省教育厅研究经费项目;大连市社科联2019年立项课题
2020-03-31(万方平台首次上网日期,不代表论文的发表时间)
共6页
200-205