10.3969/j.issn.1000-386x.2022.10.033
基于三维全卷积神经网络的肝脏血管分割
由于肝脏血管结构复杂,与周围组织对比度低,从CT影像中对肝脏血管的准确分割比较困难.因此,提出一种基于改进的三维全卷积神经网络V-Net的肝脏血管分割方法.针对肝脏血管的特性对基础网络结构进行改进;在网络的编码器与解码器之间引入金字塔卷积块,提高网络定位能力;在网络中引入多分辨率深度监督,即在不同监督路径下训练特定分辨率目标,使每条路径参数独立更新而互不干扰,从而得到更鲁棒的分割.通过将不同分辨率特征图融合,预测整体分割结果.实验结果表明,改进的V-Net网络相比于原网络分割性能显著提高,可自动准确分割出CT影像中的肝脏血管,且具有较强的鲁棒性.
肝脏血管、三维全卷积神经网络、多分辨率深度监督、金字塔卷积块
39
TP3(计算技术、计算机技术)
教育部重点实验室开放基金80119008
2022-11-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
217-223,237