双通道特征提取的胶质瘤分割方法

摘要：

为提高胶质瘤分割精度,提出一种基于U-net的双通道特征提取(DPFE-Unet)的胶质瘤分割2D网络结构.DPFE-Unet在编码阶段采用双通道特征提取的方法进行特征提取,在解码阶段对拼接后的特征向量进行跨通道特征融合;使用批归一化处理对网络进行正则化,提高网络泛化能力并加快网络收敛速度.对整体肿瘤区域、肿瘤核心区域和增强肿瘤区域进行分割,分别得到平均Dice系数(向量的相似性系数)为89.7％,77.1％和71.8％,与U-net网络相比,对应系数分别提升9.7％,14.3％和7.8％.实验结果表明,所提方法有效提升了胶质瘤分割精确度.

关键词：特征提取、神经胶质瘤、U-net、图像分割、深度学习、Dice系数、双通道、批归一化、特征融合、卷积

所属期刊栏目：44

分类号：TN911.73-34;TP391.41;TP183

资助基金：国家自然科学基金;贵州省科学技术基金;贵州省科技计划项目重点项目;贵州省科技计划项目联合资金项目

在线出版日期：2021-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：33-37