-
题名基于深度学习算法的脑肿瘤CT图像特征分割技术改进
被引量：1
- 1
-
-
作者
崔仲远
黄伟
-
机构
周口师范学院计算机科学与技术学院
郑州轻工业学院计算机与通信工程学院
-
出处
《现代电子技术》
北大核心
2018年第16期92-95,共4页
-
基金
国家自然科学基金(61602423)
2018年度河南省科技厅科技攻关项目:基于深度学习的脑肿瘤图像的分割方法(182102310694)~~
-
文摘
针对基于数学形态的脑肿瘤CT图像特征分割技术存在准确率低、分割效果不明确的弊端,提出基于深度学习算法的脑肿瘤CT图像特征分割技术。将可视人体数据集CVH-2作为研究对象,对数据集中的图像实施预处理,对图像四个模态实施卷积分别获取不同模态彼此的差异信息,归一化获取脑肿瘤CT图像多模态3D-CNNs特征。对基于SAE深度学习算法的脑肿瘤CT图像特征分割模型实施二级训练,将脑肿瘤CT图像多模态3D-CNNs特征经过处理后获取的S,V通道数据输入模型实施训练,在第二级训练的过程中把第一级SAE训练得到的权重作为二级训练的原始权重,将一级训练中错误分割的组织结构和沟回作为二次训练的数据集,获取脑肿瘤CT图像特征的准确分割结果。实验结果表明,所提方法在脑肿瘤CT图像特征分割准确率和效率方面具有显著优势。
-
关键词
深度学习算法
脑肿瘤CT图像
特征分割技术
多模态3D-cnn
SAE结构
数据集
-
Keywords
in-depth learning algorithm
brain tumor CT image
feature segmentation technology
multimodal 3D-cnn
SAE structure
data set
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
R739.41
[电子电信—信息与通信工程]
-
