基于自监督学习的卷积神经网络在CT图像中的肝脏自动分割研究

	基于自监督学习的卷积神经网络在CT图像中的肝脏自动分割研究
	刘祥强; 李强; 何多魁; 王文瑞; 黄建民
	2021-01-22
发表期刊	科学技术创新
期号	03 页码:78-79
摘要	肝脏肿瘤是世界上主要癌症致死类型之一,为了帮助医生辅助诊断治疗,临床上亟需全自动的精准的肝脏分割方法[1]。卷积神经网络在医学图像分割任务中拥有各类比赛的SOTA效果,本文中采用此类模型结构作为验证我们提出的自监督方法有效性的Backbone。分割模型的下采样阶段作为自监督任务的分类器,将打乱顺序的相邻CT切片输入分类器,分类器通过预测出它们的顺序信息作为自监督任务,训练完分类模型后将该模型的参数迁移到分割网络作为权重初始化。在2017 LiTS数据集上验证该方法的有效性,实验表明,该自监督方法对模型性能提升有显著帮助。
关键词	肝脏 CT图像自监督参数迁移卷积神经网络
URL	查看原文
ISSN	2096-4390
语种	中文
原始文献类型	学术期刊
中图分类号	R730.44;TP183;TP391.41;R735.7
文献类型	期刊论文
条目标识符	http://ir.lzufe.edu.cn/handle/39EH0E1M/21267
专题	信息工程与人工智能学院电子商务综合实验室
作者单位	兰州财经大学信息工程学院
第一作者单位	信息工程与人工智能学院
推荐引用方式 GB/T 7714	刘祥强,李强,何多魁,等. 基于自监督学习的卷积神经网络在CT图像中的肝脏自动分割研究[J]. 科学技术创新,2021(03):78-79.
APA	刘祥强,李强,何多魁,王文瑞,&黄建民.(2021).基于自监督学习的卷积神经网络在CT图像中的肝脏自动分割研究.科学技术创新(03),78-79.
MLA	刘祥强,et al."基于自监督学习的卷积神经网络在CT图像中的肝脏自动分割研究".科学技术创新 .03(2021):78-79.