当前位置: 首页 > 国际生物医学工程杂志 > 2020年06期 > 一种基于3D-CNN的脑部多发性硬化症病灶分割方法

国际生物医学工程杂志【2020年第06期】

内容简介
本刊专门报导国外生物医学工程学科领域的新技术、新进展、新动向。读者对象是生物医学工程科研工作者、医生和临床工程人员、高等院校有关专业师生及研究生,以及有关专业向的工程技术人员。报导内容具有超前、科学、实用、新颖和准确的特点,对生物医学工程研究、教学、开发和临床推广有重要参考价值。

一种基于3D-CNN的脑部多发性硬化症病灶分割方法

2021-01-10 19:13:24 医药卫生 刘涵,王硕,孔宪媛,
资料简介

摘要目的开发一种基于3D-CNN的脑部多发性硬化症(MS)病灶图像的自动分割方法。方法该分割方法分为两个阶段,包括2个CNN卷积层和池化层。第一阶段初步筛选出病灶体素,第二阶段进一步限定条件,从第一阶段得到的病灶体素中挑选出最终的分割结果。在MICCAI2016公共数据集上,对所提出的方法进行实验验证,并与其他的基线方法进行比较。结果对于15位MS患者的MRI图像,所提出方法得到的平均相似性系数(DSC)为0.59,相比于3个基线方法,分别提高了2%、3%和4%。结论所提出基于3D-CNN的图像分割方法在3D空间上对MRI图像进行分割,相比2D图像分割,对于临床诊断更具意义。

摘要目的开发一种基于3D-CNN的脑部多发性硬化症(MS)病灶图像的自动分割方法。方法该分割方法分为两个阶段,包括2个CNN卷积层和池化层。第一阶段初步筛选出病灶体素,第二阶段进一步限定条件,从第一阶段得到的病灶体素中挑选出最终的分割结果。在MICCAI2016公共数据集上,对所提出的方法进行实验验证,并与其他的基线方法进行比较。结果对于15位MS患者的MRI图像,所提出方法得到的平均相似性系数(DSC)为0.59,相比于3个基线方法,分别提高了2%、3%和4%。结论所提出基于3D-CNN的图像分割方法在3D空间上对MRI图像进行分割,相比2D图像分割,对于临床诊断更具意义。