基于多网络集成的脑白质高信号分割方法

• Published in: Zhongguo cuzhong zazhi Vol. 15; no. 3; pp. 234 - 242
• Main Authors: 李鑫鑫, 汪绪先, 程健, 徐红, 李子孝, 刘涛
• Format: Journal Article
• Language: Chinese
• Published: 100191,北京 北京航空航天大学生物与医学工程学院%100191,北京 北京航空航天大学计算机学院%100191 北京 北京航空航天大学计算机学院 01.03.2020; 100191 北京 北航-首医大数据精准医疗高精尖创新中心%100191 北京 首都医科大学附属北京天坛医院神经病学中心,国家神经系统疾病临床医学研究中心,北京脑重大疾病研究院脑卒中研究所,脑血管病转化医学北京市重点实验室,国家神经系统疾病医疗质量控制中心%100191 北京 北京航空航天大学生物与医学工程学院; 100191 北京 北京航空航天大学生物医学工程高精尖创新中心; 100191 北京 北航-首医大数据精准医疗高精尖创新中心; Editorial Department of Chinese Journal of Stroke
• Subjects: 脑白质高信号分割，深度学习，密集连接，多网络集成; 密集连接; 多网络集成; 脑白质高信号分割; 深度学习
• ISSN: 1673-5765
• DOI: 10.3969/j.issn.1673-5765.2020.03.003

目的 构建一种新型基于全卷积神经网络的分割方法,以提升脑白质高信号的分割精度.方法 本模型基于U-Net的编码器-解码器结构,采用密集连接结构,并优化卷积次数,以充分利用网络中间层提取的特征,实现端到端的分割.该模型采用多个网络的集成框架,以提高模型的鲁棒性.模型对白质高信号的分割精度评价指标包括相似性系数、豪斯多夫距离、平均体积差异和F1分数.结果 在公开数据集上进行的测试结果表明,本文提出的方法在4种分割评价标准(包括相似性系数,豪斯多夫距离,平均体积差异和F1分数)上的表现,优于现有的主流的分割方法,证明了该方法的有效性.结论 基于密集连接和集成优化的神经网络模型,能对脑白质高信号进行较好的分割.该方法的提出,为进一步分析脑血管病白质特征,提供了重要的算法支撑.