基于U-Net的颅内出血识别算法

摘要：

针对颅脑计算机断层成像(CT)影像中脑出血的分析和识别,提出采用神经网络模型U-Net与轮廓识别相结合的方法提取脑实质区域,通过阈值分割算法分析血块的图像纹理特征,并过滤软组织、脑组织和脑脊液等无关生理组织结构,实现对颅内出血点的精确定位,最后采用插值方法将出血区域进行三维重建,对血块的三维形态作出评估.在天津市某医疗机构提供的500例颅脑CT数据上进行了验证测试,实验结果表明,该算法达到97.4%的目标识别准确率,能够为脑出血诊断提供参考.

关键词：深度学习、图像分割、脑出血、颅脑计算机断层成像

所属期刊栏目：43

分类号：TN319(半导体技术)

在线出版日期：2020-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：92-98