-
题名基于多通路CNN的多模态MRI神经胶质瘤分割
被引量：9
- 1
-
-
作者
朱婷
王瑜
肖洪兵
曹利红
-
机构
北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室
-
出处
《计算机应用与软件》
北大核心
2018年第4期220-226,共7页
-
基金
国家自然科学基金项目(61671028)
北京市自然科学基金面上项目(4162018)
+2 种基金
北京市委组织部"高创计划"青年拔尖人才培养项目(2014000026833ZK14)
北京市属高等学校高层次人才引进与培养计划项目(CIT&TCD201504010)
2017年研究生科研能力提升计划项目
-
文摘
由于传统卷积神经网络CNN(Convolutional Neural Networks)受卷积核尺度的限制,容易丢失磁共振成像MRI(Magnetic Resonance Imaging)脑肿瘤图像的全局信息,而且卷积、池化的过程会导致网络浅层的部分信息丢失,造成基于CNN的脑肿瘤分割特征信息不足,分割精度不高。针对上述问题,提出一种具有全局通路,同时结合网络浅层信息的多通路CNN模型,用来完成多模态MRI脑部神经胶质瘤的全自动分割任务。算法主要思想:将三维多模态MRI图像沿轴向切片化,在相同序列的切片上按比例选取尺度为33×33像素的图像块,得到训练集;将训练集图像块输入多通路CNN模型进行训练;将测试集输入训练好的模型,将脑肿瘤从脑部MRI图像中正确分割出来,并具体划分为坏死、水肿、增强和非增强四种区域,利用模型评估参数Dice系数、敏感度(Sensitivity)系数和特异度(Specificity)系数评测模型的质量。实验结果表明,该方法操作简单,能够有效地完成脑肿瘤的分割任务。
-
关键词
多模态磁共振成像
神经胶质瘤
浅层信息
全局信息
多通路卷积神经网络
全自动分割
-
Keywords
Multi-modality MRI
Gliomas
Shallow information
Global information
Multi-channel CNN
Automatic segmentation
-
分类号
TP317.41
[自动化与计算机技术—计算机软件与理论]
-
