-
题名基于级联式三维卷积神经网络的肝肿瘤自动分割
被引量：2
- 1
-
-
作者
李渊强
吴宇雳
杨孝平
-
机构
南京理工大学理学院
南京大学数学系
-
出处
《中国医学物理学杂志》
CSCD
2019年第11期1362-1366,共5页
-
基金
国家自然科学基金（11531005）
-
文摘
目的:根据肝肿瘤CT影像中的特异性、分割难点以及残差网络思想,提出一种基于级联式卷积神经网络的全自动CT图像肝脏肿瘤分割方法。方法:首先根据临床知识对CT数据进行预处理,减少干扰;然后基于一个肝脏粗分割网络对肝脏进行分割,并根据分割结果坐标选取肝脏作为感兴趣区域;最后在感兴趣区域内对肿瘤进行精准分割。结果:通过级联式网络分割可以有效减少计算时间以及避免其它组织的干扰,从而实现肝肿瘤的快速分割。本研究提出的方法在2017年MICCAI肝肿瘤分割公开比赛数据集LiTS中进行测试,平均Dice分数为0.663,证实了其对肝肿瘤分割的有效性。结论:基于级联式卷积神经网络的全自动CT图像肝脏肿瘤分割方法可以实现肿瘤的快速分割。后期研究将继续增加数据量,对肿瘤进行分类,从而进一步完善模型。
-
关键词
肝肿瘤
自动分割
级联式卷积神经网络
残差结构
-
Keywords
liver tumor
automatic segmentation
cascaded convolutional neural network
residual structure
-
分类号
R318
[医药卫生—生物医学工程]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于卷积神经网络的病理细胞核分割
被引量：8
- 2
-
-
作者
吴宇雳
李渊强
-
机构
南京理工大学理学院
-
出处
《重庆工商大学学报（自然科学版）》
2019年第3期67-71,共5页
-
文摘
针对病理图像中细胞核的精准分割问题,结合全卷积网络框架和高分辨率网络框架的特点,提出一种卷积网络对细胞核进行自动精准地分割;基于稀疏非负矩阵分解的方法将具有严重颜色分布差异的病理图像进行颜色分布归一化,以归一化后的图像为输入,利用所提出的卷积网络对细胞核进行分割;该网络通过减少下采样算子的使用,使图像信息在前向计算过程中不会过分丢失,并使用扩张卷积扩大深层神经元的局部感受野尺度大小;所采用的分割方案在2017年MICCAI病理数字图像分割数据集中达到0.848的平均dice分数;实验表明,融合全卷积网络框架和高分辨率网络框架的卷积网络在病理图像中实现了细胞核自动精准的分割,可以有效减轻影像医师的工作负担。
-
关键词
病理图像
细胞核分割
卷积神经网络
颜色归一化
-
Keywords
pathological image
nucleus segmentation
convolutional neural network
color normalization
-
分类号
R312
[医药卫生—基础医学]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
