基于3D卷积神经网络的脑肿瘤医学图像分割优化

摘要：

针对2D卷积神级网络不能够较好地提取各模态之间的差异信息,不同的图像层肿瘤大小差异显著,且分割精度低,单模态MRI无法清晰地反映GBM的不同组织结构,提出一种基于3D多池化卷积神经网络拟解决以上实际问题.将卷积神经网络应用到脑肿瘤分割上,并针对脑肿瘤的特点,提出3D多池化卷积神经网络模型,通过多尺度的输入与多尺度的下采样,且在后端使用条件随机场(CRF)使图片尽量在边界处分割,增加图像的分割精度,克服脑肿瘤的个体差异,同时适应脑肿瘤不同图像层之间的大小位置差异.通过对100例患者的多模态磁共振图像进行分割,Dice系数达到91.64％;MRI脑肿瘤分割的改进方法可使分割精度得到明显提高,可更好地提取各模态之间的差异信息,实现适应范围更广的MRI肿瘤分割,并准确有效地分割脑肿瘤.

关键词：脑肿瘤、医学图像分割、多模态MRI、差异信息提取、多尺度采样、3D卷积神经网络

所属期刊栏目：43

分类号：TN911.73-34;TP399

资助基金：国家自然科学基金资助项目61503273

在线出版日期：2020-04-01（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：74-77