改进的全卷积神经网络的脑肿瘤图像分割

作者：邢波涛; 李锵; 关欣

来源：信号处理, 2018, 34(08): 911-922.

DOI：10.16798/j.issn.1003-0530.2018.08.004

• 脑肿瘤图像分割
• 全卷积神经网络
• 条件随机场

针对现有机器学习算法分割脑肿瘤图像精度不高的问题,提出一种基于改进的全卷积神经网络的脑肿瘤图像分割算法。算法首先将FLAIR、T2和T1C三种模态的MR脑肿瘤图像进行灰度归一化,随后利用灰度图像融合技术得到脑肿瘤信息更加全面的预处理图像;然后采用融合三次脑肿瘤特征信息的改进全卷积神经网络对预处理图像进行粗分割,并在每个卷积层后加入批量正则化层以加快网络训练的收敛速度,提高训练模型精度;最后融合全连接条件随机场细化粗分割结果中的脑肿瘤边界。实验结果表明,相较于传统的卷积神经网络脑肿瘤图像分割算法,本算法在分割精度和稳定性上有了较大提升,平均Dice可达91.29%,实时性较好,利用训练模型平均1 s内可完成单张脑肿瘤图像的分割。

• 出版日期2018
• 单位天津大学