换一批基于三维模糊连接脉冲耦合神经网络的肾脏CT图像自动分割算法
Automatic Kidney CT Images Segmentation Algorithm Based on 3D Fuzzy Connectedness and Pulse Coupled Neural Network
摘要3维肾脏CT图像的自动准确分割对减轻医师阅片工作量和提高计算机辅助诊断效率具有重要意义.但是,由于肾脏器官的结构复杂性以及邻近部位的灰度相似性,3维肾脏的准确分割仍具有挑战性.该文基于简化脉冲耦合神经网络(SPCNN)结构简单、参数量少的特点,结合模糊连接度(FC)算法,提出一种3维肾脏CT图像的自动分割算法.主要贡献为:(1)将SPCNN的2维模型扩展为3维模型,可以充分利用3维CT图像的层间信息;(2)提出了一种基于感兴趣区域质心的3维种子点自动生成策略,可以有效提高算法的自动分割效率;(3)实现了3维FC响应图与3维SPCNN的有效耦合.所提算法在自制数据集和公开数据集上进行了验证实验,结果表明该算法的性能优于现有的主流算法,其Dice系数、准确率、敏感度、体积误差、平均对称表面距离的平均值分别可以达到0.9095,0.9969,0.8517,0.1749和0.8536.
更多相关知识
关键词
3维CT图像肾脏分割脉冲耦合神经网络模糊连接度3D CT imagesKidney segmentationPulse Coupled Neural Network(PCNN)Fuzzy Connectedness(FC)
栏目名称
DOI
10.11999/JEIT221252
发布时间
2023-07-27（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
