-
题名基于多模态深度学习的脑肿瘤分割实验研究
被引量：1
- 1
-
-
作者
李阳
许凌复
崔渭刚
刘竞宇
刘丽
-
机构
北京航空航天大学自动化科学与电气工程学院
-
出处
《实验技术与管理》
CAS
北大核心
2022年第3期11-14,36,共5页
-
基金
2018年中央高校教育教学改革专项项目(20180227)
2019年北京高等教育本科教学改革创新项目(京教高[2019]4号)
+1 种基金
国家自然科学基金联合重点项目(U2018209)
北京市自然科学基金重点专题项目(L182015)。
-
文摘
针对现有3DU-Net网络在脑肿瘤分割中存在的训练过程中损失函数值难以降低,对增强瘤、肿瘤核分割精度较差等问题,该文提出了某模型网络的优化方案。首先使用残差网络结构降低训练难度;进一步引入注意力机制对多模态MRI的融合权值进行自适应学习,充分利用不同模态特征信息;最后在网络解码器部分采用双路卷积结构,提高了网络的特征提取能力。实验结果表明,改进后的网络训练损失函数更容易收敛到较小值,且对3种肿瘤的平均分割Dice系数提高了0.018 9,平均Hausdorff距离缩短了1.197 1,在整体分割性能上优于改进前的网络。
-
关键词
深度学习
脑肿瘤分割
多模态
3D
U-Net
-
Keywords
deep learning
brain tumor segmentation
multi-modes
3D U-Net
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
