APP下载

基于多维度特征提取网络的肝脏图像分割

2021-08-19刘蕊续欣莹谢珺

河北大学学报(自然科学版) 2021年4期
关键词:深度监督信息

刘蕊,续欣莹,谢珺

(1.太原理工大学 电气与动力工程学院,山西 太原 030024;2.太原理工大学 信息与计算机学院,山西 晋中 030600)

肝癌是世界范围内的主要公共卫生问题,是全球最常见的恶性肿瘤之一[1].肝脏肿瘤最常用的检测手段是计算机断层扫描技术(computed tomography,CT),清晰而准确地描绘肝脏及肿瘤的范围是肝癌诊断过程中至关重要的环节.传统的医学影像处理方法是由放射科医生手动逐张标注病灶区域,工作耗时且人工负担极大[2].随着计算机技术的飞速发展,基于医学图像的计算机辅助诊断技术以其精度高、速度快和成本低的特点在医学图像自动分割的临床应用中得到极大关注.

传统的计算机视觉算法,如阈值分割、区域生长和基于机器学习的方法等,由于受限于先验特征且容易受到噪声影响,并不适合肝脏肿瘤图像分割的临床应用.随着近年来深度学习方法的发展,尤其是卷积神经网络(convolutional neural network,CNN),这种基于数据驱动的生物医学数据检测与分割方法无需手工操作即可实现端到端的病灶结果分析[3],目前已被用于多种医学图像处理,包括肺结节、眼底血管、脑卒中病变和脑肿瘤分割等[4-7].

对于肝脏CT图像,不同病人样本之间肝脏形状和位置略有偏差,同一病例的肝脏形态也会随着切片的不同而发生改变.肝脏与周围组织器官密度相差较小,导致图像的目标对比度较低,边界不清晰.并且CT图像的成像过程引入了大量噪声,这些都是自动分割算……

登录APP查看全文

猜你喜欢

深度监督信息
突出“四个注重” 预算监督显实效
深度观察
深度观察
深度观察
监督见成效 旧貌换新颜
订阅信息
夯实监督之基
展会信息
监督宜“补”不宜“比”
健康信息