10.3980/j.issn.1672-5123.2022.6.26
基于卷积神经网络的翼状胬肉病灶分割研究
目的:通过深度卷积神经网络方法对翼状胬肉病灶进行精准分割.方法:在PSPNet模型结构的基础上构建Phase-fusion PSPNet网络结构用于翼状胬肉病灶的分割,该网络在金字塔池化模块后接入阶段上采样模块,以分阶段增大为原则逐步上采样,减少信息丢失,适合于边缘模糊的分割任务.将南京医科大学附属眼科医院提供的翼状胬肉眼表图像517张分为训练集(330张)、验证集(37张)、测试集(150张),其中训练集和验证集图像用于训练,测试集图像仅用于测试.比较翼状胬肉病灶智能分割和专家标注的结果.结果:构建Phase-fusion PSPNet网络结构针对测试数据集的翼状胬肉病灶分割单类平均交并比(MIOU)和平均像素精确度(MPA)分别为86.31%和91.91%;翼状胬肉单类交并比(IOU)和像素精确度(PA)分别为77.64%和86.10%.结论:卷积神经网络可以实现翼状胬肉病灶的精准分割,有助于为医生进行进一步疾病诊断和手术建议提供重要参考,同时实现翼状胬肉智能诊断的可视化.
翼状胬肉、图像分割、深度学习、卷积神经网络、PSPNet
22
TP391.41;TP183;S1
国家自然科学基金;浙江省自然科学基金;南京市企业专家工作室团队项目;湖州师范学院校级研究生科研创新项目
2022-06-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
1016-1019