上海时时乐

手機賢集
  • 微信掃碼
    隨時發布需求

    下載賢集網APP

賢集網技術服務平台歡迎您

登錄 注冊

甯波材料所在U-Net網絡中醫學影像分割領域取得進展

文章来源: 宁波材料技术与工程研究所       发布时间:2019-03-14

基于U-Net的深度學習分割框架已經被廣泛應用于醫學圖像處理中,但U-Net網絡中,連續的池化操作以及帶有步幅的卷積運算會導致圖像中部分細節信息的丟失。樹狀結構的拓撲建立,對識別和區分單個血管和神經纖維分支至關重要,並能反映出解剖學上不同樹狀結構的連通性。當兩個或者更多的線狀結構交叉或者重疊時,現有的拓撲重建方法很難准確判斷連接關系。


甯波材料所在U-Net網絡中醫學影像分割領域取得進展


图1 算法在肺、血管、细胞轮廓上的应用:从上到下依次是原图、U-Net算法的结果、backbone算法的结果、CE-Net算法的结果


针对以上问题,近期,中国科学院宁波材料技术与工程研究所所属慈溪医工所医学影像事业部(iMED)程骏团队和赵一天团队,分别提出了一种基于上下文编码网络(context encoder network,简称CE-Net)的医学影像分割方法和基于优势集的树状结构拓扑重建方法。


甯波材料所在U-Net網絡中醫學影像分割領域取得進展


图2 算法在视网膜图像上的应用:从左到右依次是原图、U-Net算法的结果、backbone算法的结果、CE-Net算法的结果


程骏团队提出,可通过一种上下文编码网络(context encoder network,简称CE-Net),在医学图像分割中获取高阶的语义特征并保留更多的细节信息。CE-Net主要包括三个主要组件:特征编码器模块(Encoder)、上下文提取器(context Extractor)和特征解码器模块(Decoder)。实验结果表明,该方法在视盘分割、血管检测、肺分割、细胞轮廓分割、视网膜光学相干断层扫描分割等医学影像处理方面,分割性能均优于原始的U-Net,并取得了目前最优的结果。该医学图像分割算法已被期刊IEEE Transaction on Medical Imaging(TMI)(DOI:10.1109/TMI.2019.2903562)收录。


甯波材料所在U-Net網絡中醫學影像分割領域取得進展


图3 算法在脑神经元上的应用:从左至右依次为原图、金标准、LBP算法的结果、MMNX算法的结果、MFTD算法结果、本文所提算法的结果


赵一天团队提出了一种基于优势集的拓扑重建方法,该方法创新性地结合了优势集和SSIM相似度度量,充分考虑了树状结构的对比度及其几何特性,并分别在局部以及全局范围中来表示曲线结构的特征,将拓扑结构的重建问题转化为数学上的聚类问题,采用优势集实现结构相似性的聚类。该方法分别在视网膜血管、脑神经元以及树根结构中做了验证试验(如图3、图4、图5)。结果表明,重建精度高于领域内现有的相关工作,目前该工作相关内容已被计算机视觉和人工智能的顶级会议Internaltional Conference on Computer Vision and Pattern Recogintion(CVPR’2019)收录。


甯波材料所在U-Net網絡中醫學影像分割領域取得進展


图4 算法在视网膜图像上的应用:从左至右依次为原图、金标准、HER算法的结果、本文所提算法的结果


該系列研究工作得到甯波市3315創新團隊、國家自然科學基金委,以及浙江省自然科學基金重點項目的支持。


甯波材料所在U-Net網絡中醫學影像分割領域取得進展


图5 算法在树根结构上的应用:从左至右依次为原图、金标准、HER算法的结果、本文所提算法的结果


聲明:“贤集网”的所有作品,版权均属于贤集网,如需转载,请注明出处;本网站转载的内容版权归原网站所有,如有侵权或其他问题, 请及时通过电子邮或者电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失

相關專題推薦

更多 >

我來說幾句


获取验证码
最新評論

還沒有人評論哦,搶沙發吧~

熱門帖子更多 >
  • 1 水經注軟件免費發放授權
  • 2 顯微鏡拍照适配器~~便携式神器
  • 3 測繪工程各種軟件下載地址
  • 4 橡膠材料常見性質測試標准參考
  • 5 工程測量基礎知識
  • 6 cass命令、txt-記事本
  • 7 羅氏CCM自動化解決方案
  • 8 必須看———繪圖中常岀現的問題及解決方法
  • 9 ?工 程 测 量 学
  • 10 公路GPS測量規範.pdf