典型文献
深度学习结合区域生长对MR图像胶质瘤的分割
文献摘要：
目的 MR图像胶质瘤的精准分割是判定肿瘤范围和制定治疗方案的前提.为解决传统胶质瘤分割方法的过程中存在的复杂度高和精度低的问题,本文提出一种改进的U-Net网络与区域生长算法相结合的方法来分割MR图像胶质瘤.方法 从公开数据库中下载胶质瘤的MR图像和手动分割标签.在U-Net网络的各层和桥中的2个卷积层间加入残差模块来改进网络,然后对网络分割结果做适度的区域生长操作来描述肿瘤的边界.使用Dice相似系数(Dice Similarly Coefficient,DSC)和边界F1(Boundary F1,BF)轮廓匹配分数(BF Score)等指标来评价本文方法的分割性能.结果 在区域生长参数优化集中,区域生长的最大强度差异和种子点的灰度阈值为0.01和86时,分割结果达到最优.在包含了肿瘤所有层面的测试集中,DSC和BF Score分别达到了0.8332和0.7283.DSC得分相较于传统的FCN-8s和DeepLab v3+网络分别提高了7.43％和4.56％.结论 改进的U-Net网络结合区域生长操作能很好地描述胶质瘤的位置、范围和边界信息,可用于辅助医生对胶质瘤进行定量分析.
文献关键词：
磁共振图像;深度学习;区域生长;胶质瘤;分割
中图分类号：
作者姓名：
李阳;宋悦;穆伟斌;张淑丽
作者机构：
齐齐哈尔医学院医学技术学院,黑龙江齐齐哈尔 161003
文献出处：
引用格式：
[1]李阳;宋悦;穆伟斌;张淑丽-.深度学习结合区域生长对MR图像胶质瘤的分割)[J].中国医疗设备,2022(12):35-39,48
A类：
生长操作
B类：
MR,像胶,胶质瘤,分割方法,Net,区域生长算法,下载,卷积层,残差模块,进网,Dice,相似系数,Similarly,Coefficient,DSC,Boundary,BF,轮廓匹配,配分,Score,生长参数,种子点,灰度阈值,测试集,FCN,8s,DeepLab,v3+,磁共振图像
AB值：
0.348675
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。
