基于空洞卷积的三维并行卷积神经网络脑肿瘤分割

冯博文 Feng Bowen,吕晓琪 Lü Xiaoqi,谷宇 Gu Yu,李菁 Li Qing,刘阳 Liu Yang

LASER & OPTOELECTRONICS PROGRESS（2020）

引用 7|浏览31

暂无评分

摘要

针对分割核磁共振成像(MRI)三维图像中整个肿瘤病灶运算量大、过程繁复的问题,提出了一种基于深度学习的全自动分割算法.在填充锯齿状空洞的卷积通路上构建并行三维卷积神经网络,提取多尺度图像块进行训练,捕获大范围空间信息.利用密集连接的恒等映射特性,将浅层特征叠加到网络末端,在MRI多模态图像中分割出水肿区、增强区、核心区和囊化区.在BraTS 2018数据集中对该模型进行了分割测试,结果表明,该模型分割的全肿瘤区、核心区和增强区的平均Dice系数分别为0.90、0.73和0.71,与已有算法相当,且具有较高的自动化集成度.

查看译文

关键词

three-dimensional image processing, brain tumor, dilated convolution, dense connection, BraTS 2018 dataset

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要