期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
利用GDL残差U-net模型分割放疗定位CT图像上甲状腺的初步研究 被引量:2
1
作者 文晓博 赵彪 +3 位作者 袁美芳 孙梦真 李进芝 杨毅 《中国医学计算机成像杂志》 CSCD 北大核心 2022年第3期322-328,共7页
目的:探讨基于广义Dice损失函数(GDL)残差U-net神经网络模型(GDLResU-net)在放疗定位CT图像上甲状腺分割的准确性。方法:选取76例乳腺癌或鼻咽癌患者的放疗定位CT图,由影像学专家勾画标签图,将患者影像数据随机分为训练集(n=59)、验证集... 目的:探讨基于广义Dice损失函数(GDL)残差U-net神经网络模型(GDLResU-net)在放疗定位CT图像上甲状腺分割的准确性。方法:选取76例乳腺癌或鼻咽癌患者的放疗定位CT图,由影像学专家勾画标签图,将患者影像数据随机分为训练集(n=59)、验证集(n=8)和测试集(n=9)。采用旋转、翻转、缩放和剪切对训练集进行扩充,并使用戴斯相似度系数(DSC)、杰卡德相似度系数(JSC)、阳性预测率(PPV)、灵敏度(SE)、豪斯多夫距离(HD)评价指标对模型进行性能评估。结果:GDLResU-net模型分割的甲状腺相较于基于Dice损失函数的U-net模型(DLU-net)和基于GDL损失函数的U-net模型(GDLUnet),甲状腺的分割能力有所提高。相较于DLU-net模型,GDLResU-net测试集评价指标DSC、JSC、PPV、SE分别提高了0.06、0.07、0.03、0.06,HD降低了0.33;相较于GDLU-net模型,GDLResU-net测试集评价指标DSC、JSC、PPV、SE分别提高了0.03、0.04、0.04、0.01,HD降低了0.22。结论:对于放疗定位CT甲状腺的分割,GDLResU-net模型相较于DLU-net和GDLU-net模型有着更好的分割效果,且可以较为准确地分割甲状腺,但精度仍存在欠缺,应在此基础上进一步提高精准度。 展开更多
关键词 放射治疗 卷积神经网络 医学图像分割 甲状腺 残差网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部