基于深度学习算法的脑肿瘤CT图像特征分割技术改进

摘要：

针对基于数学形态的脑肿瘤CT图像特征分割技术存在准确率低、分割效果不明确的弊端,提出基于深度学习算法的脑肿瘤CT图像特征分割技术.将可视人体数据集CVH-2作为研究对象,对数据集中的图像实施预处理,对图像四个模态实施卷积分别获取不同模态彼此的差异信息,归一化获取脑肿瘤CT图像多模态3D-CNNs特征.对基于SAE深度学习算法的脑肿瘤CT图像特征分割模型实施二级训练,将脑肿瘤CT图像多模态3D-CNNs特征经过处理后获取的S,V通道数据输入模型实施训练,在第二级训练的过程中把第一级SAE训练得到的权重作为二级训练的原始权重,将一级训练中错误分割的组织结构和沟回作为二次训练的数据集,获取脑肿瘤CT图像特征的准确分割结果.实验结果表明,所提方法在脑肿瘤CT图像特征分割准确率和效率方面具有显著优势.

关键词：深度学习算法、脑肿瘤CT图像、特征分割技术、多模态3D-CNN、SAE结构、数据集

所属期刊栏目：41

分类号：TN911.73-34;R739.41

资助基金：国家自然科学基金61602423;2018年度河南省科技厅科技攻关项目:基于深度学习的脑肿瘤图像的分割方法182102310694

在线出版日期：2018-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：92-95