基于三维全卷积DenseNet的脑胶质瘤MRI分割
黄奕晖
冯前进
1.南方医科大学生物医学工程学院;广东省医学图像处理重点实验室,广东广州5105152.南方医科大学生物医学工程学院;广东省医学图像处理重点实验室,广东广州510515
摘要：从多模态MRI中对多个脑胶质瘤区域进行精确分割是不少精准医疗步骤的前提.为了有效针对脑胶质瘤MRI的特性和提升其分割精度,本文提出了多Dice损失函数结构,并采用预实验选择良好的超参数(数据维度、图像融合步长、损失函数的实现形式)构建一个基于三维全卷积DenseNet的图像特征学习网络.本研究包含了脑胶质瘤MRI的274个已分割训练集和110个未提供分割的测试集.图像进行灰度归一化后提取三维图像块作为网络输入,网络输出利用图像块融合方法得到最终的分割结果.相比通用的结构,推荐的结构提高了脑胶质瘤的分割精度.在公开的BraTS2015数据集上进行在线的评估中,整个肿瘤区、肿瘤核心区和增强肿瘤区的Dice值分别为0.85、0.71、0.63.
关键词：DenseNet图像分割三维胶质瘤Dice相似性系数
资助基金：国家自然科学基金(31371009)国家自然科学基金(U1501256)广东省应用型科技研发专项(2015B010131011)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 661-668 )
英文信息