基于 SAE 深度特征学习的数字人脑切片图像分割

摘要：

针对目前基于数字人脑切片图像的分割算法较少，分割精度和有效性较低等不足，提出一种基于稀疏自编码器(SAE)深度特征学习的分割算法。在特征提取阶段，采用从粗到精两级方式对 SAE 进行训练，以增强模型学习到的深度特征的鉴别能力；在分类阶段，使用 softmax 分类器进行目标分割。对中国可视化人体(CVH)数据集的脑白质分割及三维重建的实验结果表明，相对于其他传统的手工特征(如图像强度特征、方向梯度直方图特征和主成分分析特征)， SAE 提取的图像深度特征具有更强的鉴别能力，显著地提高了分割精度。

关键词：中国可视化人体数据集、脑组织分割、稀疏自编码器、深度特征、softmax 分类器

所属期刊栏目：28

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金60903142,61190122;中国博士后基金特别资助2013T60841;中央高校基本业务费项目106112015CDJXY120003

在线出版日期：2016-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1297-1305