[1]陈津津,赵于前,邹润民.基于超限学习机的腹部CT序列图像肝脏自动分割[J].中国医学物理学杂志,2015,32(05):611-616.[doi:doi:10.3969/j.issn.1005-202X.2015.05.001]
点击复制

基于超限学习机的腹部CT序列图像肝脏自动分割()
分享到:

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
32卷
期数:
2015年05期
页码:
611-616
栏目:
出版日期:
2015-08-25

文章信息/Info

文章编号:
1005-202X(2015)05-0611-06
作者:
陈津津赵于前邹润民
中南大学地球科学与信息物理学院,湖南长沙410083
关键词:
腹部CT序列肝脏分割神经网络超限学习机
分类号:
R811.1;TP391.4
DOI:
doi:10.3969/j.issn.1005-202X.2015.05.001
文献标志码:
A
摘要:
目的:针对腹部CT序列图像因邻近器官对比度低以及肝脏形状不一致等造成的肝脏分割困难问题,提出一种基于超限学习机的腹部CT序列图像肝脏自动分割方法。方法:首先,在预处理阶段利用阈值法和形态学操作去除肌肉、脂肪、肋骨和脊椎;然后,对预处理结果图像求取均值、标准差和距离变换,提取有效的训练特征;最后,将3个特征归一化处理后作为超限学习机的输入层,并进行学习最终得出分割结果。结果:通过对9个腹部CT序列图像进行肝脏分割实验,并与其他3种方法进行比较,本文算法具有明显优势。结论:本文算法能对腹部CT序列图像中的肝脏进行准确有效地分割。

相似文献/References:

[1]何兰,吴倩. 基于3D卷积神经网络的肝脏自动分割方法[J].中国医学物理学杂志,2018,35(6):680.[doi:DOI:10.3969/j.issn.1005-202X.2018.06.012]
 HE Lan,WU Qian. Automatic liver segmentation based on three-dimensional convolutional neural network[J].Chinese Journal of Medical Physics,2018,35(05):680.[doi:DOI:10.3969/j.issn.1005-202X.2018.06.012]
[2]莫春梅,周金治,李雪,等.基于改进U-Net的肝脏分割方法[J].中国医学物理学杂志,2021,38(5):571.[doi:DOI:10.3969/j.issn.1005-202X.2021.05.009]
 MO Chunmei,ZHOU Jinzhi,et al.Liver segmentation method based on improved U-Net[J].Chinese Journal of Medical Physics,2021,38(05):571.[doi:DOI:10.3969/j.issn.1005-202X.2021.05.009]
[3]邸敬,马帅,王国栋,等.基于改进Unet与动态阈值可变FCMSPCNN的医学图像分割[J].中国医学物理学杂志,2023,40(3):328.[doi:DOI:10.3969/j.issn.1005-202X.2023.03.011]
 DI Jing,MA Shuai,WANG Guodong,et al.Medical image segmentation using improved Unet combined with dynamic threshold changed FCMSPCNN[J].Chinese Journal of Medical Physics,2023,40(05):328.[doi:DOI:10.3969/j.issn.1005-202X.2023.03.011]
[4]赵浩辉,高永彬,杨淑群,等.基于条件卷积与注意力的肝脏分割算法[J].中国医学物理学杂志,2023,40(6):701.[doi:DOI:10.3969/j.issn.1005-202X.2023.06.006]
 ZHAO Haohui,GAO Yongbin,YANG Shuqun,et al.Liver segmentation algorithm based on conditional parametric attention network[J].Chinese Journal of Medical Physics,2023,40(05):701.[doi:DOI:10.3969/j.issn.1005-202X.2023.06.006]

备注/Memo

备注/Memo:
国家自然科学基金(61172184,61379107,61174210);新世纪优秀人才支持计划(NCET-13-0603);高等学校博士学科点专项科研基金(20130162110016);湖南省科技基本建设基金(20131199)
更新日期/Last Update: 2015-09-07