改进的卷积神经网络在医学图像分割上的应用

摘要：

为了提高医学图像分割的精确性和鲁棒性,提出了一种基于改进卷积神经网络的医学图像分割方法.首先采用卷积神经网络对冠状面、矢状面以及横断面三个视图下的2D切片序列进行分割,然后将三个视图下的分割结果进行集成,得到最终的结果.其中卷积神经网络由编码部分、双向卷积长短记忆网络(BDC-LSTM)和解码部分组成.为获取多尺度信息,扩大卷积层的感受野,编码部分使用不同大小的非对称卷积层和空洞卷积.此外,在编码和解码部分之间使用BDC-LSTM,充分挖掘单视图下切片序列间的相关信息,从而提高分割精度.以海马体分割为例,在ADNI标准数据集上,以相似性系数、灵敏度和阳性预测率作为评判标准,准确率分别达到了89.36%、88.73%和90.16%.实验结果表明,该算法在准确率上更具竞争力.

关键词：医学图像分割、磁共振成像(MRI)、卷积神经网络、长短记忆网络(LSTM)、多视图集成

所属期刊栏目：13

分类号：TP391.41(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61601201;the Natural Science Foundation of Jiangsu Province under Grant No. BK20150160

在线出版日期：2019-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1593-1603