基于DB-Net的CT图像自动化肝脏分割方法

	基于DB-Net的CT图像自动化肝脏分割方法
	董亚兰
	2020
发表期刊	信息工程大学学报
卷号	21 期号:5 页码:559-564
摘要	全卷积神经网络(FCNN)可有效地表示和分类纹理信息,从而将图像灰度转换为可实现语义图像分割的输出类别。但是,在医学图像分析中,专家手动分割通常依赖于感兴趣的解剖结构的边界,提出了用于医学图像分割的边界感知CNN。其网络旨在通过双分支网络即边界提取分支和区域分割分支来解决器官的边界模糊问题,并且它们都是端到端可训练的。主要贡献有以下几点:①提出了一种简单且有效的高低层特征融合方式;②提出了一种新的深度学习分割模型DB-Net(Double Branch-Net),即边界提取分支和区域分割分支;③提出最大连通域的后处理技术。最后,在LiTS 2017数据集上的实验结果验证了所提的方法在腹部CT图像中自动且稳健分割肝脏的有效性。
关键词	全卷积神经网络特征融合 DB-Net 后处理技术
URL	查看原文
收录类别	CSCD
ISSN	1671-0673
语种	中文
中图分类号	TP391
文献类型	期刊论文
条目标识符	http://ir.lzufe.edu.cn/handle/39EH0E1M/23513
专题	信息工程与人工智能学院
作者单位	兰州财经大学,甘肃兰州730030
第一作者单位	兰州财经大学
推荐引用方式 GB/T 7714	董亚兰. 基于DB-Net的CT图像自动化肝脏分割方法[J]. 信息工程大学学报,2020,21(5):559-564.
APA	董亚兰.(2020).基于DB-Net的CT图像自动化肝脏分割方法.信息工程大学学报,21(5),559-564.
MLA	董亚兰."基于DB-Net的CT图像自动化肝脏分割方法".信息工程大学学报 21.5(2020):559-564.