三维卷积网络在脑海马体分割中的应用

摘要：

为了提高海马体分割的精确性和鲁棒性,提出一种新型的三维卷积网络Dilated-3DUnet.该网络中卷积层的通道数采用"金字塔"分布的方式,有效缩小了参数的规模.此外,使用三维空洞卷积作为级联卷积操作,不仅有效地结合了脑磁共振成像(MRI)的深层特征和浅层特征,而且在不改变参数个数的情况下,扩大了卷积层的感受野,获取了多尺度信息,能够更好地捕捉MRI图像的浅层特征,从而提高了分割精度.在ADNI数据集上进行实验,以相似性系数、灵敏度、阳性预测率为评价指标,准确率分别达到了89.32％、88.72％和90.05％.实验表明,Dilated-3DUnet充分利用了脑MRI图像的三维空间信息,具有更强的泛化能力和更好的特征表达能力,从而大大提升了分割精度.

关键词：海马体分割、脑磁共振成像(MRI)、卷积网络、空洞卷积

所属期刊栏目：14

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 国家自然科学基金;the Natural Science Foundation of Jiangsu Province under Grant No. BK20150160 江苏省自然科学基金;the Excellent Youth Fund of Jiangsu Province under Grant No. BK20190079 江苏省优秀青年基金

在线出版日期：2020-03-31（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：493-501