典型文献
基于深度卷积神经网络的CT图像层间插值方法的初步研究
文献摘要：
目的:研究一种基于CT图像层间插值的方法,用于放射治疗过程中的患者摆位验证,从而提高放疗精度.方法:采用一种基于3D卷积和膨胀卷积神经网络(3D CNN-DCNN)算法,利用相邻图像层之间的关联信息重建中间层图像.采用U-Net网络架构,通过编码部分的卷积层、膨胀卷积层、池化层和解码部分的上采样层、卷积层、膨胀卷积层,对CT进行端到端的学习.采集20例患者图像数据,采用留一交叉验证的方法训练验证模型,分别对神经网络和线性插值的预测CT与原始薄层CT进行对照比较.结果:3D CNN-DCNN的平均绝对误差(MAE)为34 HU,远小于线性插值的55 HU.除此之外,骨骼的Dice相似系数(DSC)为0.95,大于线性插值方法的0.89.结论:与传统线性插值方法相比,3D CNN-DCNN算法可以更准确的重建薄层CT,明显改善了插值伪影、图像失真和锯齿状现象.
文献关键词：
摆位验证;膨胀卷积神经网络;U-Net;留一交叉验证;平均绝对误差;Dice相似系数
中图分类号：
作者姓名：
菅影超;马善达;王伟
作者机构：
北京瑞尔世维医学研究有限公司研发部;江苏瑞尔医疗科技有限公司研发部;天津医科大学肿瘤医院放疗科
文献出处：
引用格式：
[1]菅影超;马善达;王伟-.基于深度卷积神经网络的CT图像层间插值方法的初步研究)[J].中国医学计算机成像杂志,2022(06):669-675
A类：
B类：
深度卷积神经网络,插值方法,放射治疗,治疗过程,患者摆位,摆位验证,放疗,膨胀卷积神经网络,DCNN,联信,中间层,Net,网络架构,卷积层,池化,解码,上采样,采样层,端到端,图像数据,留一交叉验证,方法训练,验证模型,线性插值,薄层,对照比,平均绝对误差,MAE,HU,除此之外,Dice,相似系数,DSC,伪影,失真,锯齿状
AB值：
0.328321
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
