集成多个密集连接二维卷积神经网络（2D-CNNs）分割模型的脑胶质瘤三维分割（英文）

作者：Xiaobing ZHANG; Yin HU; Wen CHEN; Gang HUANG; Shengdong NIE^*

来源：Journal of Zhejiang University-Science B(Biomedicine & Biotechnology), 2021, 22(06): 462-476.

• 脑胶质瘤
• 磁共振成像(MRI)
• 分割
• 密集连接块
• 二维卷积神经网络(2D-CNNs)

为了克服处理三维医学扫描的计算负担和二维医学扫描中空间信息的不足,本文提出了一种新的脑胶质瘤分割方法,该方法将三个密集连接的二维卷积神经网络(2D-CNN)分割模型的分割结果进行融合。为了将低级特征和高级特征组合在一起,本文在网络结构设计中添加了紧密连接的模块,这样在学习过程中随着网络层数的增加,低级特征将不会被遗漏。此外,为了解决神经胶质瘤水肿区域边界模糊的问题,我们叠加并融合了液体衰减反转恢复(FLAIR)模态图像和T2模态图像以增强水肿区域。对于网络训练的损失函数,我们改进了交叉熵损失函数,有效避免了网络过度拟合。本文在多模态脑肿瘤图像分割数据集(BraTS)上进行实验验证。其中,我们的方法在BraTS2018训练集上在整个肿瘤,肿瘤核心和增强肿瘤区域的Dice系数值分别达到了0.84、0.82和0.83;在BraTS2018验证集上达到0.82、0.85和0.83;在BraTS2013测试集上达到的0.81、0.78和0.83。实验结果表明,该方法具有良好的准确性和快速的处理能力,具有良好的临床应用前景。

• 单位
  上海大学