典型文献
基于3D卷积神经网络的脑肿瘤图像分割
文献摘要：
三维脑胶质瘤磁共振成像肿瘤形状各异、边缘模糊,目前大多数基于2D卷积神经网络的分割方法不能很好的分割三维图像.为了能够准确分割出三维图像中的肿瘤部分,提出一种融合多尺度特征信息的3D卷积神经网络脑肿瘤图像分割方法.利用并行的3D空洞卷积提取特征信息,将不同感受野的信息融合.将Dice损失和BCE损失结合,形成一种新的损失函数并配合恒等映射,进一步提高分割精度.在BraTs2020数据集上对模型进行验证,结果表明,该模型分割的全肿瘤区、核心区和增强区的Dice系数分别为89.1％、83.9％和82.6％.在LGG脑部肿瘤图像数据集上对模型进行验证,结果表明,Dice系数达到了 93.3％.所提出的分割方法不仅能够精确的分割三维脑胶质瘤图像,而且同样适用于分割二维脑胶质瘤图像.
文献关键词：
脑胶质瘤;三维磁共振图像;图像分割;3D卷积神经网络
中图分类号：
作者姓名：
宫浩栋;王育坚;韩静园
作者机构：
北京联合大学智慧城市学院物联网与机器人实验室,北京100101
文献出处：
引用格式：
[1]宫浩栋;王育坚;韩静园-.基于3D卷积神经网络的脑肿瘤图像分割)[J].光学技术,2022(04):472-477
A类：
BraTs2020,三维磁共振图像
B类：
脑肿瘤图像分割,脑胶质瘤,磁共振成像,2D,分割方法,三维图像,割出,多尺度特征,特征信息,空洞卷积,提取特征,感受野,信息融合,Dice,BCE,损失函数,恒等映射,模型分割,肿瘤区,核心区,LGG,脑部肿瘤,图像数据集
AB值：
0.265275
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。
