基于多尺度卷积输入和ConvCRFs的非对称U-Net脑肿瘤MRI图像分割

摘要：

针对磁共振成像(Magnetic Resonance Imaging,MRI)进行脑胶质瘤病灶边界分割的问题,提出基于多尺度卷积输入和卷积条件随机场(ConvCRFs)的非对称U-Net脑肿瘤MRI图像分割算法.首先,设计了多尺度卷积输入模块作为预处理步骤,以丰富全局上下文语义信息的提取与输入;其次,采用非对称U-Net网络结合ConvCRFs,对分割结果进行判别微调,从而提高肿瘤的分割准确率;最后,为了验证算法的可行性,在Brats2020数据集上进行了实验.实验结果表明,Dice系数达到0.887,表明对脑胶质瘤图像分割算法具有重要的临床引导价值.

关键词：病灶边界分割、多尺度卷积输入模块、非对称U-Net

所属期刊栏目：35

分类号：TP391.41;TP183(计算技术、计算机技术)

资助基金：陕西省重点研发计划项目2022GY-315

在线出版日期：2023-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：34-37