换一批基于多尺度特征感知的胸腔图像危及器官分割
Segmentation of Thoracic Image Organs at Risk Based on Multi-Scale Feature-Aware
摘要医学图像危及器官自动分割是计算机辅助诊断中的重要组成部分,对辅助医生高质高效完成放射治疗有着极其重要的作用.胸腔CT图像对比度低,且各器官之间重叠交错、边界模糊,使得危及器官的精确分割具有较大的挑战性.提出一种多尺度特征感知的编码-解码网络模型(FA-Unet),实现胸腔CT图像危及器官的分割.针对胸腔中四类器官大小差异的问题,首先构建了输入感知模型,提取图像中各器官的多尺度特征.为了弥补编码与解码之间的语义鸿沟,在解码-编码中融入改进的inception模块.用空间金字塔卷积(ESP)与金字塔池化(PSP)模块代替传统的串行卷积运算,使得网络模型更为轻量化,在一定程度上缓解数据量不足带来的过拟合问题.采用一种联合Dice系数与交叉熵的损失函数训练分割网络,可解决胸腔CT图像中类别不平衡的问题.最后,在2019年ISBI发布的SegTHOR数据集上验证模型的有效性,该数据集共包括40例肺癌或霍奇金淋巴瘤患者的胸腔CT图像7390张.实验结果表明,胸腔CT图像各器官分割的Dice系数分别为食道0.7932、心脏0.9359、气管0.8549、主动脉0.8890,Hausdorff距离分别为食道1.4207、心脏0.2124、气管0.6273、主动脉0.8870.结果 表明,与同类型分割网络相比,模型可获得较好的分割性能,尤其在小目标器官的分割上取得竞争性优势.
更多相关知识
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2021.06.07
发布时间
2022-03-16（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引11
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
