科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对脑肿瘤分割研究中对肿瘤边缘分割不够精确，分割目标较小而背景因素过大的问题，提出改进的V-C-Net卷积神经网络模型。在原始的V-Net模型基础上，加入CBAM混合注意力机制，使模型更关注脑肿瘤图像的病变部分，结合三种损失函数优点并与训练次数间建立联系提出改进的联合损失函数，并对核磁共振脑肿瘤3D多模态医学图像做重叠分块预处理，利用改进的模型对BraTs数据集进行分割实验，并与FCN全卷积网络、3D-Unet神经网络、传统V-Net神经网络模型的分割效果做对比分析。模型在测试集上的Dice系数(DSC)、交并比(IoU)、敏感度(Sensitivity)、精确率(Precision)及豪斯多夫距离(HD)五个性能指标平均值分别为90.78%、89.68%、91.70%、96.48%、0.451，实验结果表明改进的V-C-Net模型对脑肿瘤病变部分分割性能更优。
- 出版日期2022
- 单位中国科学院西北生态环境资源研究院; 甘肃农业大学
