南方医科大学学报 ›› 2020, Vol. 40 ›› Issue (04): 491-498.doi: 10.12122/j.issn.1673-4254.2020.04.07
慕光睿,杨燕平,高耀宗,冯前进
摘要: 目的 研究一种基于三维卷积神经网络的CT图像头颈部危及器官分割算法。方法 本文构建了一个基于V-Net模型的头颈部危及器官自动分割算法。为了增强分割模型的特征表达能力,将SE(Squeeze-and-Excitation)模块与V-Net模型中残差卷 积模块相结合,提高与分割任务相关性更大的特征通道权重;采用多尺度策略,使用粗定位和精分割两个级联模型完成器官分割,其中输入图像在预处理时重采样为不同分辨率,使得模型分别专注于全局位置信息和局部细节特征的提取。结果 我们在头颈部22个危及器官的分割实验表明,相比于已有方法,本文提出的方法分割平均精度提升了9%,同时平均测试时间从33.82 s降低至2.79 s。结论 基于多尺度策略的三维卷积神经网络达到了更好的分割精度,且耗时极短,有望在临床应用中提高医生的工作效率。