-
题名基于深度学习的脊椎CT图像分割
被引量：4
- 1
-
-
作者
黄昆
张俊华
普钟
-
机构
云南大学信息学院
-
出处
《电子测量技术》
北大核心
2022年第20期151-159,共9页
-
基金
国家自然科学基金(62063034)
云南大学研究生实践创新项目(2021Z50)资助。
-
文摘
脊椎CT图像分割是脊椎三维重建可视化的关键。针对脊椎CT图像中脊椎边缘模糊,结构复杂,形状多变等问题,基于深度学习方法提出一种双解码器网络。该网络在编码解码网络U-Net结构基础上增加了一条结构相同的并行解码分支,两个解码分支可以互补地提取图像特征。并且,在编码与解码之间加入双重特征融合模块,解决网络在下采样和上采样过程中造成的语义信息丢失问题。同时用密连混合卷积模块代替原始卷积模块,提高网络对多尺度特征的提取能力。此外加入高效注意力模块,使网络在空间上注重学习感兴趣区域,在通道上抑制无关信息。在CSI2014公开数据集上进行测试,Dice系数达到0.970,Jaccard系数达到0.945,召回率达到0.962。实验结果表明,该网络能够提高脊椎分割精度,具有较好的泛化能力,可以满足临床脊椎CT图像分割需求。
-
关键词
脊椎分割
深度学习
双解码器网络
双重特征融合模块
密连混合卷积模块
高效注意力模块
-
Keywords
vertebra segmentation
deep learning
dual decoder network
dual feature fusion module
densely connected hybrid convolution module
efficient attention module
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
