文献类型：期刊文章

作　　者：于群[1] 张建新[2] 魏小鹏[1,3] 张强[1,3]

YU Qun;ZHANG Jianxin;WEI Xiaopeng;ZHANG Qiang(Ministry of Education Key Laboratory of Advanced Design and Intelligent Computing,Dalian University,Dalian 116622,Liaoning,China;School of Computer Science and Engineering,Dalian Minzu University,Dalian 116600,Liaoning,China;School of Computer Science and Technology,Dalian University of Technology,Dalian 116024,Liaoning,China)

机构地区：[1]大连大学先进设计与智能计算省部共建教育部重点实验室,辽宁大连116622 [2]大连民族大学计算机科学与工程学院,辽宁大连116600 [3]大连理工大学计算机科学与技术学院,辽宁大连116024

出　　处：《应用科学学报》

基　　金：国家重点研发计划基金(No.2018YFC0910500);国家自然科学基金(No.61972062);辽宁省重点研发计划项目基金(No.2019JH2/10100030);辽宁省自然科学基金(No.2019-MS-011);辽宁省“百千万人才工程”基金资助。

年　　份：2021

卷　　号：39

期　　号：3

起止页码：378-386

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：计算机辅助肝脏肿瘤分割可减少医生工作量,提高手术成功率,因而具有重要的临床诊疗价值。为获得精确的肝脏肿瘤自动分割结果,该文结合医学影像分割领域近年新兴的U-Net模块提出了基于级联可分离空洞残差U-Net(cascaded separable and dilated residual U-Net, CSDResU-Net)的肝脏肿瘤分割方法。CSDResU-Net采用了级联操作,解决了因肿瘤在整幅图像中占比小而造成的肿瘤分割数据不平衡问题;通过在分割网络中整合残差单元、深度可分离卷积和空洞卷积,能够增加卷积核感受野并快速提取更具判别性的肝脏肿瘤图像特征,从而提高肝脏肿瘤分割精度。在国际医学图像计算和计算机辅助干预协会肝脏肿瘤分割数据库上的实验结果表明,CSDResU-Net比基线方法的Dice系数指标提升了1.3%,同时发现空洞率对分割网络的性能表现影响较大。

关 键 词：U-Net  残差单元  空洞卷积  深度可分离卷积  肝脏肿瘤分割  

分 类 号：TP391.41] R73[计算机类]