-
题名基于条件能量对抗网络的肝脏和肝肿瘤分割
被引量：5
- 1
-
-
作者
闫谙
王卫卫
-
机构
西安电子科技大学数学与统计学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第11期179-184,共6页
-
基金
国家自然科学基金(61972264,61472303,61772389)。
-
文摘
从图像中分割出肝脏和肝肿瘤是肝部疾病诊断重要手段之一,现有基于卷积神经网络(Convolutional Neural Network,CNN)方法通过为输入图像中每个像素分配类别标签来实现肝脏和肝肿瘤分割。CNN在对每个像素分类过程中没有使用邻域内其他像素类别信息,容易出现小目标漏检和目标边界分割模糊问题。针对这些问题,提出了条件能量对抗网络用于肝脏和肝肿瘤分割。该方法基于能量生成对抗网络(Energy-Based Generative Adversarial Network,EBGAN)和条件生成对抗网络(Conditional Generative Adversarial Network,CGAN),使用一个基于CNN的分割网络作为生成器与一个自编码器作为判别器,通过将判别器作为一种损失函数来度量并提升分割结果与真实标注之间的相似度。在对抗训练过程中,判别器将生成器输出的分割结果作为输入并将原始图像作为条件约束,通过学习像素类别之间的高阶一致性提高分割精度,使用能量函数作为判别器避免了对抗网络训练中容易出现的梯度消失或梯度爆炸,更易于训练。在MICCAI 2017肝肿瘤分割(LiTS)挑战赛的数据集和3DIRCADb数据集上对提出的方法进行验证,实验结果表明,该方法不仅实现了肝脏与肝肿瘤的自动分割,还利用像素类别之间的高阶一致性提升了肿瘤和肝脏边界的分割精度,减少了小体积肿瘤的漏检。
-
关键词
肝脏分割
肝肿瘤分割
Unet
能量生成对抗网络(EBGAN)
-
Keywords
liver segmentation
liver tumor segmentation
Unet
Energy-Based GenerativeAdversarial Network(EBGAN)
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
