基于多尺度三维卷积神经网络的头颈部危及器官分割方法

发布时间：2021-01-05 15:31

　　目的研究一种基于三维卷积神经网络的CT图像头颈部危及器官分割算法。方法本文构建了一个基于V-Net模型的头颈部危及器官自动分割算法。为了增强分割模型的特征表达能力,将SE（Squeeze-and-Excitation）模块与V-Net模型中残差卷积模块相结合,提高与分割任务相关性更大的特征通道权重;采用多尺度策略,使用粗定位和精分割两个级联模型完成器官分割,其中输入图像在预处理时重采样为不同分辨率,使得模型分别专注于全局位置信息和局部细节特征的提取。结果我们在头颈部22个危及器官的分割实验表明,相比于已有方法,本文提出的方法分割平均精度提升了9%,同时平均测试时间从33.82 s降低至2.79 s。结论基于多尺度策略的三维卷积神经网络达到了更好的分割精度,且耗时极短,有望在临床应用中提高医生的工作效率。 

【文章来源】：南方医科大学学报. 2020,40(04)北大核心

【文章页数】：8 页

【部分图文】：

算法流程图

网络基本结构

在Residual Block中加入SE模块，作为SE＿Residual Block，对残差卷积得到的特征图在特征通道层面进行建模，增加对分割任务更相关的特征权重来提升模型的特征表达能力（图4B）。图4 残差模块优化前后结构对比


本文编号：2958891