基于全卷积神经网络的肝脏CT影像分割研究OA北大核心CSCDCSTPCD
Fully convolutional neural network for liver segmentation in CT image
针对腹部CT影像邻近器官对比度较低及因个体肝脏形状差异较大等引起肝脏分割困难的问题,提出了全卷积神经网络肝脏分割模型.首先通过卷积神经网络提取图像深层、抽象的特征,再通过反卷积运算对提取到的特征映射进行插值重构后得到分割结果.由于单纯进行反卷积得到的分割结果往往比较粗糙,因此,在反卷积之前,先融合高层与低层的特征,并且通过增加反卷积的层数、减少反卷积步长,得到了更为精确的分割结果.与传统卷积神经网络的分割方法相比,该模型可以充分利用CT影像的空间…查看全部>>
Abdominal CT images cover problems such as low contrast in adjacent organs and various performance in shape. A liver segmentation model based on fully convolutional neural network is proposed. Firstly, the deep and abstract features of the image are extracted by convolutional neural network. Then interpolated reconstruction is performed through deconvolution operation on the extracted feature map to obtain segmentation results. Due to the simple deconvolu-ti…查看全部>>
郭树旭;马树志;李晶;张惠茅;孙长建;金兰依;刘晓鸣;刘奇楠;李雪妍
吉林大学 电子科学与工程学院,长春 130012吉林大学 电子科学与工程学院,长春 130012吉林大学 白求恩第一医院 放射科,长春 130021吉林大学 白求恩第一医院 放射科,长春 130021吉林大学 电子科学与工程学院,长春 130012吉林大学 电子科学与工程学院,长春 130012吉林大学 电子科学与工程学院,长春 130012吉林大学 电子科学与工程学院,长春 130012吉林大学 电子科学与工程学院,长春 130012
信息技术与安全科学
深度学习全卷积神经网络医学图像分割
deep learningfully convolutional neural networkmedical image segmentation
《计算机工程与应用》 2017 (18)
126-131,6
吉林省自然科学基金(No.20140101175JC).
评论