基于双解码U型卷积神经网络的胰腺分割
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP391

基金项目:

国家自然科学基金(61806032, 61976031); 国家重点研发计划(2016YFC1000307-3); 重庆市基础与前沿项目(cstc2018jcyjAX0117); 重庆市教委科学技术研究计划(KJZD-K201800601, KJQN201800611)


Pancreas Segmentation Based on Dual-decoding U-Net
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    计算机断层成像(computed tomography, CT)中, 胰腺分割作为医学图像分析中最具挑战的任务之一, 由于其体积小、形状多变的特点, 导致传统的自动分割方法无法达到理想的分割精度. 利用高级语义特征指导低级特征的思想, 提出一种基于双解码U型卷积神经网络的单阶段胰腺分割模型. 模型由一个编码器和两个解码器构成, 两个解码器利用不同编码深度的特征将低级空间信息与高级语义信息有效结合, 加强分割网络对特征信息的高效利用, 能够对未裁剪、未降低分辨率的CT切片实现高精确度的分割. 实验结果表明, 方法能够在全尺寸的输入下实现较好的分割性能, 在公开胰腺数据集上的分割效果优于现有单阶段胰腺分割方法.

    Abstract:

    Pancreas segmentation in computed tomography (CT) is one of the most challenging tasks in medical image analysis. Due to small size and changeable shape, the traditional automatic segmentation methods can not achieve the acceptable segmentation accuracy. By using the idea of high-level semantic features to guide low-level features, this study proposes a single-stage pancreas segmentation model based on dual-decoding U-net. The proposed architecture consists of one encoder and two decoders, which can effectively combine low-level spatial information with high-level semantic information using the features of different coding depths to improve the segmentation accuracy of CT slices without clipping and resolution reduction. The experimental results show that this method can achieve better segmentation performance under full-size input. Moreover, the segmentation result by the proposed method is superior to the single-stage methods on the open dataset for pancreas segementation tasks.

    参考文献
    相似文献
    引证文献
引用本文

毕秀丽,陆猛,肖斌,李伟生.基于双解码U型卷积神经网络的胰腺分割.软件学报,2022,33(5):1947-1958

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-05-16
  • 最后修改日期:2020-08-29
  • 录用日期:
  • 在线发布日期: 2022-05-09
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号