目的研究一種基于三維卷積神經網絡的CT圖像頭頸部危及器官分割算法。方法本文構建了一個基于V-Net模型的頭頸部危及器官自動分割算法。為了增強分割模型的特征表達能力,將SE（Squeeze-and-Excitation）模塊與V-Net模型中殘差卷積模塊相結合,提高與分割任務相關性更大的特征通道權重;采用多尺度策略,使用粗定位和精分割兩個級聯(lián)模型完成器官分割,其中輸入圖像在預處理時重采樣為不同分辨率,使得模型分別專注于全局位置信息和局部細節(jié)特征的提取。結果我們在頭頸部22個危及器官的分割實驗表明,相比于已有方法,本文提出的方法分割平均精度提升了9%,同時平均測試時間從33.82 s降低至2.79 s。結論基于多尺度策略的三維卷積神經網絡達到了更好的分割精度,且耗時極短,有望在臨床應用中提高醫(yī)生的工作效率。 

【文章來源】：南方醫(yī)科大學學報. 2020,40(04)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

算法流程圖

網絡基本結構

在Residual Block中加入SE模塊，作為SE＿Residual Block，對殘差卷積得到的特征圖在特征通道層面進行建模，增加對分割任務更相關的特征權重來提升模型的特征表達能力（圖4B）。圖4 殘差模塊優(yōu)化前后結構對比


本文編號：2958891