基于U-Net的多图谱标签融合算法

作者：芦玥^*; 马瑜; 王慧; 王原

来源：液晶与显示, 2019, 34(11): 1091-1103.

• 海马体
• 多图谱
• 标签融合
• U-Net

为有效提高海马体多图谱分割算法的精度,将U-Net卷积神经网络用于海马体MR多图谱分割的标签融合。算法在图谱选择阶段,计算互信息、梯度相似性选择图谱,避免周围组织结构对图谱选择的干扰,选择与目标图谱更贴合的浮动图像组。在预处理阶段,提取以海马体为中心的感兴趣区域有效降低数据规模。在配准过程中,利用重采样代替粗配准环节,减少了"粗"配准环节所需时间,再采用具有良好的平滑性、连续性和拓扑保持性的微分同胚Demons精配准算法。在标签融合阶段,提出基于深度学习理论改进的U-Net多图谱MRI海马体分割算法。实验结果表明,改进的算法分割精度较于传统算法平均提高了5%,算法时间缩短了50%左右。改进后的基于U-Net的多图谱海马体分割算法对目标图像海马体的分割具有高精度、高效率的特点。