典型文献
基于三维卷积神经网络对脑MRI海马体的高效分割研究
文献摘要：
目的:阿尔茨海默病在临床诊断中因难以量化海马体萎缩程度而难以确诊,耽误了尽早治疗干预.提出采用基于深度学习的三维卷积神经网络对患者的脑核磁影像数据进行像素级语义分割,实现高效的自动化脑区分割,辅助医生临床诊断.方法:数据来自ADNI数据集,使用基于模板算法的自动化分割软件FreeSurfer标注训练数据.使用3D-UNet模型+Generalized Dice损失函数高效地拟合三维影像数据.结果:该模型分割结果相比模板法有更平滑的表面且不易受噪声影响,分割效率提升上百倍.针对分割结果进行了脑区体积的量化计算,并生成图表用于临床对体积和变化趋势的分析.结论:方法减少了人工标注,可以快速部署应用;具有比模板法高的分割效率且不失精度;直观的量化分析辅助临床诊断.
文献关键词：
深度学习;阿尔茨海默病;MRI分割;三维卷积
中图分类号：
作者姓名：
王正旭;赵文兵;蔡越江;徐频捷;刘瑶;高铎;耿左军;王玉昭
作者机构：
100124北京,北京工业大学计算机学院;中国科学院计算技术研究所,中国科学院大学;河北医科大学第二医院医学影像科
文献出处：
引用格式：
[1]王正旭;赵文兵;蔡越江;徐频捷;刘瑶;高铎;耿左军;王玉昭-.基于三维卷积神经网络对脑MRI海马体的高效分割研究)[J].中国数字医学,2022(01):8-14
A类：
+Generalized
B类：
三维卷积神经网络,海马体,阿尔茨海默病,耽误,治疗干预,影像数据,行像,像素级,语义分割,脑区,ADNI,FreeSurfer,训练数据,UNet,Dice,损失函数,三维影像,模型分割,模板法,噪声影响,升上,上百,百倍,量化计算,成图,图表,快速部署,不失,失精
AB值：
0.363613
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。
