期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多模态磁共振图像特征选择的脑胶质瘤分割
1
作者 成娟 张楚雅 +3 位作者 刘羽 李畅 朱智勤 陈勋 《中国生物医学工程学报》 CAS CSCD 北大核心 2022年第5期513-526,共14页
脑胶质瘤分割通常需要将肿瘤区域细分为多个不同性质的子区域,往往需要使用多种不同模态的磁共振(MR)图像。近年来,基于深度学习的脑胶质瘤分割研究已成为主流。然而,大多数基于深度学习的方法只是将不同模态MR图像(或底层特征)进行通... 脑胶质瘤分割通常需要将肿瘤区域细分为多个不同性质的子区域,往往需要使用多种不同模态的磁共振(MR)图像。近年来,基于深度学习的脑胶质瘤分割研究已成为主流。然而,大多数基于深度学习的方法只是将不同模态MR图像(或底层特征)进行通道维度堆叠后输入到分割网络中,并且在特征提取阶段忽略不同性质子区域分割时所需模态特征的差异性,导致分割性能不够精良。本研究提出一种基于多模态MR图像特征选择的两阶段分割框架进行脑胶质瘤分割。一方面,设计多模态特征选择模块并嵌入到分割网络框架中,对当前分割任务所需多模态MR图像特征进行自动提取和有效选择;另一方面,将多个不同性质的病变组织子区域分为两阶段分割任务,利用第一阶段分割任务结果提供第二阶段分割目标的定位信息。本方法和对比方法分别在BraTS2018(训练集285个患者,验证集66个患者)、BraTS2019(训练集335个患者,验证集125个患者)和BraTS2020(训练集369个患者,验证集125个患者)公开数据集上进行了实验。在BraTS2018数据集上,本方法在完整肿瘤、肿瘤核心和增强肿瘤区域的Dice相似系数分别为0.898、0.854和0.818,Hausdorff距离分别为4.072、6.179和3.763;在BraTS2019数据集上,本方法在上述3个肿瘤区域的Dice相似系数分别为0.892、0.839和0.800,Hausdorff距离分别为6.168、7.077和3.807;在BraTS2020数据集上,本方法在上述3个肿瘤区域的Dice相似系数分别为0.896、0.837和0.803,Hausdorff距离分别为6.223、7.033和4.411。对比实验结果表明,所提方法在增强肿瘤区域和肿瘤核心区域的分割性能具有明显优势,特别是增强肿瘤区域分割性能在BraTS2020数据集上最佳。基于多模态特征选择模块的两阶段分割框架,针对每阶段分割目标实现了不同模态MR图像特征的自动和充分学习,取得了理想的分割结果,为计算机辅助肿瘤诊断提供了可能的解决方案。 展开更多
关键词 脑胶质瘤分割 多模态磁共振图像 特征选择 卷积神经网络 V-Net
在线阅读 下载PDF
胶质母细胞瘤多模态磁共振图像自动分割 被引量：1
2
作者 赖小波 张学群 许茂盛 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2019年第2期355-363,共9页
针对大多数传统胶质母细胞瘤(GBM)多模态磁共振(MR)图像分割算法未能将整个肿瘤细分为不同子区域的问题,提出基于混合特征和先验知识的GBM多模态MR图像自动分割算法.配准GBM多模态MR图像,将头部区域方位调整到近似未旋转位置,并利用N4IT... 针对大多数传统胶质母细胞瘤(GBM)多模态磁共振(MR)图像分割算法未能将整个肿瘤细分为不同子区域的问题,提出基于混合特征和先验知识的GBM多模态MR图像自动分割算法.配准GBM多模态MR图像,将头部区域方位调整到近似未旋转位置,并利用N4ITK法进行偏置场校正.在提取GBM多模态MR图像局部位置特征、强度特征、纹理特征、对称特征和上下文特征后,应用随机森林分类器初步分割GBM多模态MR图像.考虑GBM肿瘤解剖结构先验知识,移除小区域和中值滤波后得到最终分割结果.以Dice相似性系数作为评价指标,利用所提出的算法对TCGA-GBM和CH-GBM数据库中整个肿瘤进行分割,获得的平均Dice相似性系数分别为0.871、0.882.结果表明,该算法能以较高的准确率分割GBM多模态MR图像,适用于临床GBM多模态MR图像分割任务. 展开更多
关键词 胶质母细胞瘤(GBM) 多模态磁共振(MR)图像 自动分割 混合特征 先验知识
在线阅读 下载PDF
多分类CNN的胶质母细胞瘤多模态MR图像分割 被引量：9
3
作者 赖小波 许茂盛 徐小媚 《电子学报》 EI CAS CSCD 北大核心 2019年第8期1738-1747,共10页
为提高胶质母细胞瘤(GBM)多模态磁共振(MR)图像中各肿瘤子区域分割的准确性,提出一种多分类卷积神经网络(CNN)的GBM多模态MR图像自动分割算法.首先在98%缩尾处理和配准GBM多模态MR图像后,利用N4ITK法校正偏移场;其次构建一个主要由4个... 为提高胶质母细胞瘤(GBM)多模态磁共振(MR)图像中各肿瘤子区域分割的准确性,提出一种多分类卷积神经网络(CNN)的GBM多模态MR图像自动分割算法.首先在98%缩尾处理和配准GBM多模态MR图像后,利用N4ITK法校正偏移场;其次构建一个主要由4个卷积层、2个池化层和2个全连接层组成的多分类CNN模型,训练后预分割GBM多模态MR图像,将体素分为5类不同的标签;最后移除所有小于200体素的假阳性区域,中值滤波后获得最终分割结果.以Dice相似性系数DSC、阳性预测值PPV和平均Hausdorff距离AHD为评价指标,利用所提出的算法对F-C-GBM数据集中整个肿瘤组织进行分割,获得的DSC、PPV、AHD分别为0.889±0.087、0.859±0.127和1.923.结果表明,该算法能有效提高GBM多模态MR图像分割的性能,可望有临床应用前景. 展开更多
关键词 胶质母细胞瘤 多模态磁共振图像 自动分割 多分类卷积神经网络 图像块
在线阅读 下载PDF
多模态MR图像和多特征融合的胶质母细胞瘤自动分割 被引量：8
4
作者 赖小波 许茂盛 徐小媚 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第3期421-430,共10页
胶质母细胞瘤(glioblastoma multiforme, GBM)是恶性度最高的脑胶质瘤,其病变组织的定位和量化计算对肿瘤的诊断及制定治疗计划至关重要.为提高GBM自动分割的准确性,提出一种多模态MR图像和多特征融合的GBM自动分割算法.首先在图像配准... 胶质母细胞瘤(glioblastoma multiforme, GBM)是恶性度最高的脑胶质瘤,其病变组织的定位和量化计算对肿瘤的诊断及制定治疗计划至关重要.为提高GBM自动分割的准确性,提出一种多模态MR图像和多特征融合的GBM自动分割算法.首先在图像配准和偏置场校正后,融合GBM多模态MR图像提取各体素的多个底层特征,构建随机森林(random forest, RF)模型,依据特征信息粗分割;其次将多种子点三维区域生长分割GBM多模态MR图像的结果替换相应置信度低的粗分割结果,生成训练数据重新训练RF模型,精分割GBM多模态MR图像;最后考虑GBM解剖结构先验知识、阈值分割和中值滤波精分割结果后得到最终结果.以平均Dice相似性系数、Hausdorff距离和敏感度为评价指标,该算法分割GBM-nih-zcmu数据库中整个肿瘤的平均Dice相似性系数、Hausdorff距离和敏感度分别为0.879, 6.232和0.863,能有效地提高GBM多模态MR图像自动分割的精度,满足临床应用对准确率的要求. 展开更多
关键词 脑胶质母细胞瘤自动分割 多模态磁共振图像 多特征融合 随机森林 区域生长
在线阅读 下载PDF
基于灰度分布匹配的多模态脑部MR图像肿瘤分割算法 被引量：2
5
作者 侯发忠 邹北骥 +1 位作者 刘召斌 周支元 《计算机应用研究》 CSCD 北大核心 2017年第12期3869-3872,3879,共5页
针对多模态核磁共振(MR)脑肿瘤图像的分割问题,提出一种基于灰度分布匹配的分割算法。首先,学习图像灰度强度的非参数模型分布来描述当前图像的正常区域;然后,计算肿瘤图像中各区域之间的全局相似性,从中寻找灰度分布与学习模型最匹配... 针对多模态核磁共振(MR)脑肿瘤图像的分割问题,提出一种基于灰度分布匹配的分割算法。首先,学习图像灰度强度的非参数模型分布来描述当前图像的正常区域;然后,计算肿瘤图像中各区域之间的全局相似性,从中寻找灰度分布与学习模型最匹配的子区域,同时利用平滑操作来避免存在孤立区域;最后,对FLAIR模态图像进行处理,以分离出脑水肿区域,最终获取脑肿瘤区域的准确边界。在多模态脑肿瘤图像数据库Bra TS2012上进行实验,结果表明该算法能够准确且完整地分割出肿瘤区域。 展开更多
关键词 脑肿瘤分割 多模态核磁共振图像 灰度分布匹配 平滑操作
在线阅读 下载PDF
结合灰度直方图和细胞自动机的多模态MRI脑胶质瘤分割 被引量：4
6
作者 衣斐 龚敬 +3 位作者 段辉宏 苏冠群 田海龙 聂生东 《计算机应用研究》 CSCD 北大核心 2019年第9期2849-2855,共7页
为了解决脑胶质瘤边界模糊、复杂而导致的分割不准确问题,提出了一种将灰度直方图(GLH)与改进细胞自动机相结合的脑胶质瘤分割算法。首先,对脑胶质瘤的T2加权图像和液体衰减反转(FLAIR)图像进行融合;然后,利用灰度直方图特性增强脑胶质... 为了解决脑胶质瘤边界模糊、复杂而导致的分割不准确问题,提出了一种将灰度直方图(GLH)与改进细胞自动机相结合的脑胶质瘤分割算法。首先,对脑胶质瘤的T2加权图像和液体衰减反转(FLAIR)图像进行融合;然后,利用灰度直方图特性增强脑胶质瘤区域;最后,以加权距离为特征向量用改进的细胞自动机进行分割,并得到脑胶质瘤各组织分割结果。在20组BraTS2015(brain tumor segmentation)数据库数据和10组临床脑胶质瘤数据上进行分割实验,整个肿瘤区域及核心肿瘤区域的平均分割准确率分别达到90. 76%和89. 73%。实验结果表明,相对于对比方法,所提算法不仅能更好地分割出对比度明显的胶质瘤区域,还在一定程度上解决了模糊胶质瘤区域分割不准确的问题。该算法在保持不增加算法复杂度的同时,亦提高了算法分割的准确性和鲁棒性。 展开更多
关键词 脑胶质瘤 多模态磁共振图像 图像分割 图像融合 灰度直方图 细胞自动机
在线阅读 下载PDF
基于超像素的多模态MRI脑胶质瘤分割 被引量：10
7
作者 苏坡 杨建华 薛忠 《西北工业大学学报》 EI CAS CSCD 北大核心 2014年第3期417-422,共6页
为了提高脑胶质瘤分割的精度和鲁棒性,提出了一种基于超像素的多模态MRI脑胶质瘤分割算法。首先,通过使用带加权距离的局部k-均值聚类算法,把多模态MRI过分割成一系列均匀、紧凑、并精确吻合图像边界的超像素(superpixel)。然后应用基... 为了提高脑胶质瘤分割的精度和鲁棒性,提出了一种基于超像素的多模态MRI脑胶质瘤分割算法。首先,通过使用带加权距离的局部k-均值聚类算法,把多模态MRI过分割成一系列均匀、紧凑、并精确吻合图像边界的超像素(superpixel)。然后应用基于序贯概率比假设检验的动态区域合并算法对产生的超像素逐步合并,形成几十个具有统计意义的区域。最后对这些区域进行后处理以得到GBM各个组织的分割结果。应用该算法对15个GBM病人的多模态MRI数据进行了分割实验,结果表明,相对于基于FCM算法和归一化割(Ncut)算法,文中提出的分割算法更加精确。 展开更多
关键词 脑胶质瘤 图像分割 超像素 多模态核磁共振图像 区域合并 序贯概率比检验
在线阅读 下载PDF
一种两阶段的由粗到细的多模态脑肿瘤分割框架 被引量：1
8
作者 陈浩 秦志光 丁熠 《电子科技大学学报》 EI CAS CSCD 北大核心 2020年第4期590-596,共7页
从核磁共振图像中提取脑肿瘤在临床诊断及手术规划中起到关键作用。该文提出了一种两阶段的由粗到细的自动分割框架对多模态脑肿瘤图像进行分割。该框架分为粗分割及细分割两部分。粗分割部分采用一个深度卷积神经网络对脑肿瘤五分类,生... 从核磁共振图像中提取脑肿瘤在临床诊断及手术规划中起到关键作用。该文提出了一种两阶段的由粗到细的自动分割框架对多模态脑肿瘤图像进行分割。该框架分为粗分割及细分割两部分。粗分割部分采用一个深度卷积神经网络对脑肿瘤五分类,生成4种肿瘤组织的粗分割概率图;细分割部分将这些概率图作为掩膜促使卷积网络关注高概率区域。此外,为了减轻数据不均衡,细分割部分采用了双分支输出,一个支输出五分类结果,并采用带掩膜的交叉熵损失函数;另外一个分支输出二分类结果来标记整个脑肿瘤,采用了均方误差。利用BRATS 2015数据集进行验证,结果表明该方法具有很好的效果。 展开更多
关键词 脑肿瘤分割 由粗到细 深度卷积神经网络 多模态核磁共振图像 两阶段
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部