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

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;

作者:段杰崔志明沈艺冯威吴宏杰冯雨晴