基于多尺度卷积输入和ConvCRFs的非对称U-Net脑肿瘤MRI图像分割 |
| |
作者姓名: | 李星 |
| |
作者单位: | 西安邮电大学计算机学院 |
| |
基金项目: | 陕西省重点研发计划项目“数据与模型的双迭代机制:胶质母细胞瘤医学影像的持续性学习方法研究”(项目编号:2022GY-315); |
| |
摘 要: | 针对磁共振成像(Magnetic Resonance Imaging,MRI)进行脑胶质瘤病灶边界分割的问题,提出基于多尺度卷积输入和卷积条件随机场(ConvCRFs)的非对称U-Net脑肿瘤MRI图像分割算法。首先,设计了多尺度卷积输入模块作为预处理步骤,以丰富全局上下文语义信息的提取与输入;其次,采用非对称U-Net网络结合ConvCRFs,对分割结果进行判别微调,从而提高肿瘤的分割准确率;最后,为了验证算法的可行性,在Brats2020数据集上进行了实验。实验结果表明,Dice系数达到0.887,表明对脑胶质瘤图像分割算法具有重要的临床引导价值。
|
关 键 词: | 病灶边界分割 多尺度卷积输入模块 非对称U-Net |
|