换一批BiNETR:基于双流金字塔解码器和深监督的MRI颅骨分割方法
BiNETR:MRI skull segmentation method based on bi-stream pyramid decoder and deep supervision
摘要磁共振图像颅骨分割为MEG、EEG正问题提供真实的颅骨模型.为解决因MRI颅骨成像模糊、结构复杂导致难以分割的问题,提出基于双流金字塔解码器和深监督的MRI颅骨分割方法.该方法在编-解码的网络结构中以双流金字塔解码器作为主解码器,包括串行的边缘信息引导和精细特征融合双解码器.边缘信息引导金字塔解码器基于特征锐化有效增强边缘信息,提高边缘分割精度.精细特征融合金字塔解码器对边缘增强后特征进一步细化和重用,促进深层、浅层特征的融合.此外,引入深监督计算中间特征损失,从而将梯度植入深层网络,增强网络的训练.分割算法在颅骨数据集进行验证,Dice相似系数为0.880±0.039,平均对称表面距离为(0.931±0.286)mm,性能优于其他先进方法.实验结果表明该算法在MRI颅骨分割任务中的有效性和准确性.
更多相关知识
关键词
颅骨分割深度学习双流金字塔磁共振成像深监督skull segmentationdeep learningbi-stream pyramidmagnetic resonance imagingdeep supervision
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.08.006
发布时间
2025-09-23（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62471467）
国家自然科学基金（62271481）
苏州市基础研究项目（SJC2022012）
苏州市基础研究项目（SSD2023008）
苏州市重点实验室项目（SZS2024007）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
