基于深度学习算法的脑肿瘤CT图像特征分割技术改进

作者：崔仲远; 黄伟

来源：现代电子技术, 2018, 41(16): 92-95.

DOI：10.16652/j.issn.1004-373x.2018.16.023

• 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

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。

• 单位
  郑州轻工业学院; 周口师范学院