基于3D全卷积深度神经网络的脑白质病变分割方法

摘要：

脑白质病变影像的自动分割对于大脑疾病的临床诊断和研究具有重要的辅助作用.目前,研究者们主要采用深度学习解决脑白质病变部位的自动分割问题,虽取得一定成果,但仍存在分割精度不高、小病变无法被精确分割的问题.本文提出一种融合残差、金字塔池化和注意力机制的3D全卷积深度神经网络模型.该模型采用残差连接避免深层网络的梯度消失;采用金字塔池化聚合更多的上下文信息;采用注意力机制定位感兴趣的目标.各模块顺次衔接,构建具有较强学习能力的卷积模块链,并在链条两端分别附加上、下采样结构,形成完整的端到端模型.实验在MICCAI 2017数据集上进行,结果表明,本文方法的分割结果DSC得分为0.762,召回率为0.727,精确率为0.801,特异性为0.991,优于对比的其他方法.

关键词：分割、脑白质高信号、金字塔池化、注意力机制

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;辽宁省自然科学基金指导计划项目;大连市科技创新基金资助项目

在线出版日期：2020-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：44-57