全卷积深度迁移网络的联合分割

作者：李岩; 刘俊

来源：计算机工程与应用, 2021, 57(01): 227-233.

DOI：10.3778/j.issn.1002-8331.1911-0287

• 超声治疗
• 全卷积网络
• 深度聚合
• 小数据集
• 迁移学习

近年来,随着超声空化在医疗上的应用,超声空化治疗又重新回到了人们的视野,因其在处理血管阻塞方面的天然的优势,引起了广泛的讨论和研究。为实现准确的实时治疗,提出了一种基于全卷积网络(Fully Convolutional Networks,FCN)的超声血管分割方法。全卷积深度迁移分割网络(Full Convolutional deep Aggregation Migration Network,AMFCN)通过对全卷积网络使用对称网络连接,深度聚合模式以深度提取图像特征,并优化数据增强方式,添加迁移学习模型等方法,有效地利用已有数据进行数据拓展,缓解医学图像数据过少的影响。实验结果表明,该研究方法在超声血管图像上取得了较好的分割性能,能准确地分割出血管区域。

• 单位
  武汉科技大学; 智能信息处理与实时工业系统湖北省重点实验室