-
题名通过边缘引导的肾上腺三维CT影像分割
- 1
-
-
作者
王文静
牛四杰
李帆
曹彩霞
丛文斌
杨自成
-
机构
济南大学信息科学与工程学院
广州柏视医疗科技有限公司
青岛大学附属医院
-
出处
《南京师大学报(自然科学版)》
北大核心
2025年第1期93-99,共7页
-
基金
国家自然科学基金项目(62101213、62103165、62302191)
山东省高等学校人才引育创新团队项目。
-
文摘
计算机断层扫描图像是判断肾脏情况的主要成像方式.医生可以通过分割出腹部CT图像中感兴趣的肾上腺区域,从而计算出肾上腺的体积、灰度值和表面积来判断肾病的病因.然而手工标记图像中的病变区域是耗时、繁琐且具有挑战性的,且病变区域与周围组织极为相似,勾画出的边界极为模糊.因此本文采用一种全卷积神经网络模型MedNeXt——一个受Transformer启发的大核分割网络来对肾上腺3D数据进行体积分割.为应对样本类别不均衡问题,本文还使用对称统一焦点损失替换Dice损失,以提高分割精度.同时考虑到肾上腺组织与周围组织边界难以区分的问题,本文提出结合边界损失函数与主体损失函数同时监督分割过程,使得模型更关注边界的细节信息,从而提升模型性能,实现更精确的分割结果.实验结果表明,所用方法与近几年最新的模型相比在本文所用肾上腺3D数据集上实现了最先进的性能.
-
关键词
全卷积
TRANSFORMER
MedNeXt
类别不均衡
体积分割
-
Keywords
full convolution
Transformer
MedNeXt
unbalanced sample categories
volume segmentation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
