文献类型：期刊文章

作　　者：黄星奕[1] 丘子明[1] 许燕[1]

HUANG Xingyi;QIU Ziming;XU Yan(School of Biological Science and Medical Engineering,Beihang University,Beijing 100091)

机构地区：[1]北京航空航天大学深圳研究院

出　　处：《北京生物医学工程》

年　　份：2019

卷　　号：38

期　　号：3

起止页码：277-282

语　　种：中文

收录情况：SCOPUS、ZGKJHX、普通刊

摘　　要：目的 依据临床诊断对MRI脑图像自动分割算法的需求,基于卷积神经网络(convolutional neural networks,CNN)设计了一种端到端的深度监督全卷积网络(deeply supervised fully convolutional network,DS-FCN)以解决脑图像中脑组织的自动分割问题。方法 针对三维MRI脑图像,先将体数据切割成二维图像切片,在FCN网络结构的基础上,加入了深度监督机制,即在特征提取的多层级结构中提前得到损失值反馈。结果 以三维MRI脑图像公开数据集LPBA-40为实验数据,56类脑组织的准确率(precision rate)、召回率(recall rate)、F1评估值分别为74. 40%、74. 82%、73. 75%,测试速率为152 ms。结论 通过引入深度监督结构,改进后的DS-FCN在MRI脑组织分割任务中得到了更精准的分割效果。

关 键 词：语义分割  深度学习  医学图像 神经网络 机器学习  

分 类 号：R318.04[生物医学工程类]