扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

用于MRI图像恶性脑肿瘤分割的三阶段2D-三维卷积网络集成

论论资讯 | 2023-01-01 6热度

Cybernetics and Systems Analysis

Explore content

About the journal

Publish with us

A Three-Stage 2D–3D Convolutional Network Ensemble for Segmenting Malignant Brain Tumors on MRI Images

Sineglazov V.; Riazanovskiy K.; Klanovets O.

Published:2023-01-01
DOI:10.1007/s10559-023-00555-5

研究背景

脑肿瘤是一种常见的疾病,但是在MRI图像上对其进行二进制语义分割仍然存在挑战。由于训练样本和输入数据中存在噪声,因此需要对异常区域边界进行像素级别的确定。目前,使用二维模型解决三维分割问题时,未考虑和利用邻近切片之间的空间信息。因此,需要一种新的方法来优化三维医学图像的处理。

研究内容

该论文提出了一种新的三阶段二维-三维卷积网络集成方法,用于在MRI图像上分割恶性脑肿瘤。首先,使用二维集成处理图像的三个维度,以最大化多样性标准并准确捕获感兴趣区域(ROI)。其次,使用不同的三维输入块大小,对神经网络提取的三维ROI区域进行集成处理,以确保多样性。最后,通过加权求和和阈值化聚合第一和第二阶段提取的异常区域(恶性肿瘤),以获取脑肿瘤的最终二进制三维掩码。该方法在LGG脑MRI分割数据集上进行了测试,使用计算成本较高的三维网络,显著提高了分割准确性,降低了计算成本。

研究意义

该论文提出了一种新的方法,用于在MRI图像上分割恶性脑肿瘤,通过集成不同大小的三维输入块,以及加权求和和阈值化的方法,显著提高了分割准确性。此外,该方法还降低了计算成本,可以更有效地处理三维医学图像。这项研究的创新点在于提出了一种新的三阶段二维-三维卷积网络集成方法,可以为脑肿瘤的诊断和治疗提供更准确的信息,从而帮助医生更好地制定治疗方案。

微信扫码即可查看