一种基于3D-CNN的脑部多发性硬化症病灶分割方法

目的:开发一种基于3D-CNN的脑部多发性硬化症（MS）病灶图像的自动分割方法。方法:该分割方法分为两个阶段，包括2个CNN卷积层和池化层。第一阶段初步筛选出病灶体素，第二阶段进一步限定条件，从第一阶段得到的病灶体素中挑选出最终的分割结果。在MICCAI2016公共数据集上，对所提出的方法进行实验验证，并与其他的基线方法进行比较。结果:对于15位MS患者的MRI图像，所提出方法得到的平均相似性系数（DSC）为0.59，相比于3个基线方法，分别提高了2%、3%和4%。结论:所提出基于3D-CNN的图像分割方法在3D空间上对MRI图像进行分割，相比2D图像分割，对于临床诊断更具意义。