基于同一特征空间的多模态脑肿瘤分割方法

作者：陈浩; 秦志光^*; 丁熠

来源：计算机应用, 2020, 40(07): 2104-2109.

• 多模态
• 脑肿瘤分割
• 同一特征空间
• 卷积神经网络
• 核磁共振成像
• 数据缺失

脑胶质瘤的分割依赖多种模态的核磁共振成像(MRI)的影像。基于卷积神经网络(CNN)的分割算法往往是在固定的多种模态影像上进行训练和测试,这忽略了模态数据缺失或增加问题。针对这个问题,提出了将不同模态的图像通过CNN映射到同一特征空间下并利用同一特征空间下的特征来分割肿瘤的方法。首先,不同模态的数据经过同一深度CNN提取特征;然后,将不同模态的特征连接起来,经过全连接层实现特征融合;最后,利用融合的特征实现脑肿瘤分割。模型采用BRATS2015数据集进行训练和测试,并使用Dice系数对模型进行验证。实验结果表明了所提模型能有效缓解数据缺失问题。同时,该模型较多模态联合的方法更加灵活,能够应对模态数据增加问题。

• 单位
  电子科技大学