文献类型：期刊文章

作　　者：曹平[1,2] 盛邱煬[1] 潘清[1] 宁钢民[3,4] 汪振杰[1] 方路平[1]

Cao Ping;Sheng Qiuyang;Pan Qing;Ning Gangmin;Wang Zhenjie;Fang Luping(College of Information Engineering,Zhejiang University of Technology,Hangzhou 310023;College of Information Engineering,Zhijiang College of Zhejiang University of Technology,Shaoxing 312030;College of Biomedical Engineering&Instrument Science,Zhejiang University,Hangzhou 310027;Zhejiang Lab,Hangzhou 310000)

机构地区：[1]浙江工业大学信息工程学院,杭州310023 [2]浙江工业大学之江学院信息工程学院,绍兴312030 [3]浙江大学生物医学工程与仪器科学学院,杭州310027 [4]之江实验室,杭州310000

出　　处：《计算机辅助设计与图形学学报》

基　　金：国家自然科学基金(81771481,31870938)

年　　份：2019

卷　　号：31

期　　号：8

起止页码：1382-1390

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对普通二维语义分割网络难以精确分割海马体磁共振图像的问题,提出结合序列学习和U型网络的海马体分割方法.该方法中,U型网络由编码器和解码器2部分组成,编码器提取并编码图像特征,解码器组合特征并输出分割掩码;序列学习使用双向卷积长短期记忆网络引入相邻切片间的依赖信息以提升分割精度.在ADNI数据集上的实验结果表明,文中方法的分割性能较通常的U型网络更优,且网络的可视化结果表现出可解释性,与专家知识相符合.

关 键 词：海马体分割  语义分割  序列学习  U型网络  双向卷积长短期记忆网络  

分 类 号：TP391.41]