- · 关于举办2021第十届“龙图杯”全国BIM(建筑信息模型)大赛的通知 [01/29]
- · 第八届中国图学大会(China Graphics'2021)征稿通知[01/13]
- · 关于第十六期“全国BIM技能等级考试”成绩复议 有关事项的通知[01/12]
- · 第二十四期“全国CAD技能等级考试”考试通知 [11/20]
- · 第一届图学计算与工业软件发展研讨会会议通知 [11/12]
- · 公告 [10/30]
- · 第十六期“全国BIM技能等级考试”考试通知 [10/28]
- · 关于举办第六届数字化论坛暨中国图学学会数字化设计与制造专业委员会 2020 年会的通知[10/13]
一种改进FCN的肝脏肿瘤CT图像分割方法
作者:段杰 崔志明 沈艺 冯威 吴宏杰 冯雨晴
关键词: 全卷积神经网络; 肝脏肿瘤分割; 深度学习; 图像分割; 卷积多尺度融合;
摘要:精准的医学图像分割是辅助疾病诊断和手术规划的必要步骤。由于腹部器官边界模糊、对比度不高,肝脏肿瘤的自动分割一直是一个难题。针对传统全卷积神经网络(FCN)实现端到端分割精度不佳等问题,提出了一种卷积型多尺度融合FCN的CT图像肝脏肿瘤分割方法。首先,通过提高对比度、增强和去噪的方式对原始的CT图像数据集进行预处理;然后使用处理后的数据集对所设计好的FCN网络进行训练;最终得出能够精确分割肝脏肿瘤的网络模型。实验效果采用多种评价指标进行分割结果的评估,并且与多种常见的分割网络进行对比。实验结果表明本文方法可以精准分割CT图像中各种形状和大小的肝脏肿瘤,分割效果良好,能够为临床的诊断提供可靠的依据。
上一篇:多阶段优化的小目标聚焦检测
下一篇:基于改进分段铰链变换的人体重建技术