基于PE-Vnet网络的三维骨骼图像分割方法
针对骨骼图像手动或半自动分割效率低的问题,提出了一种基于PE-Vnet网络的三维骨骼图像自动分割方法.该方法以骨骼CT图像序列作为输入,利用三维卷积提取骨骼的三维特征,结合3D Project&Excite(PE)模型对三维特征进行重标定,抑制了与骨骼分割任务无关的特征.设计了具有动态权重的损失函数,解决了训练样本数据前景和背景信息分布不均衡的问题.分别在自建数据集和Peréz-Carrasco等公开的数据集上进行了实验,分割结果的相似系数Dice值在自建数据集的股骨和胫骨实验分别为96.22%和95.68%,在公开数据集实验的Dice值为94.16%.实验结果表明,提出的方法在两个数据集上分割的结果皆接近于临床专家手动分割的结果,研究成果为骨科疾病的诊断和手术计划制定提供了新的参考.
机器视觉、PE-Vnet网络、三维骨骼图像分割、全卷积神经网络、三维卷积
41
TH7(仪器、仪表)
国家自然科学基金61931022
2020-12-03(万方平台首次上网日期,不代表论文的发表时间)
共9页
243-251