基于全卷积网络迁移学习的左心室内膜分割
来源期刊:东北大学学报(自然科学版)2018年第11期
论文作者:齐林 吕旭阳 杨本强 徐礼胜
文章页码:1577 - 3173
关键词:左心室内膜分割;深度学习;全卷积网络;迁移学习;核磁共振成像;
摘 要:为了避免过拟合现象,提出了基于全卷积网络迁移学习的左心室内膜分割方法.该方法在已用自然图像训练好的VGGNet模型的基础上对参数进行微调;其次,利用了心室内膜位于MRI图像中心处的先验信息作为选取准则来优化分割结果.将该方法对2009 MICCAI数据集的45个病例进行测试,其DICE指数、APD距离和GC率分别为0. 91,1. 73 mm和97. 81%.测试结果表明该方法对于心脏M RI图像的左心室内膜的分割结果较好,当引入一定的先验信息后可以优化测试结果.
齐林1,吕旭阳1,杨本强2,徐礼胜1,3
1. 东北大学中荷生物医学与信息工程学院2. 沈阳军区总医院放射科3. 东北大学教育部医学影像计算重点实验室
摘 要:为了避免过拟合现象,提出了基于全卷积网络迁移学习的左心室内膜分割方法.该方法在已用自然图像训练好的VGGNet模型的基础上对参数进行微调;其次,利用了心室内膜位于MRI图像中心处的先验信息作为选取准则来优化分割结果.将该方法对2009 MICCAI数据集的45个病例进行测试,其DICE指数、APD距离和GC率分别为0. 91,1. 73 mm和97. 81%.测试结果表明该方法对于心脏M RI图像的左心室内膜的分割结果较好,当引入一定的先验信息后可以优化测试结果.
关键词:左心室内膜分割;深度学习;全卷积网络;迁移学习;核磁共振成像;