典型文献
基于改进U-Net的SPECT骨显像病灶分割研究
文献摘要：
在核医学中,单光子发射计算机断层(single-photon emission computed tomograpy,SPECT)骨显像是辅助医师诊断癌症的重要手段.针对骨显像图像信噪比低、边界模糊、病灶小难以提取和人工勾画病灶耗时等问题,提出一种基于改进U-Net网络的骨显像病灶自动分割算法.该算法在U-Net的原卷积块基础上,采用了多尺度密集连接(multi-scale dense connection,MDC)的方式来提高对小病灶特征的提取能力,同时解决了网络加深后出现的梯度消失问题.其次,为提取病灶的细节特征,在密集连接和跳跃连接处引入了注意力机制结构.最后,针对使用小样本数据集,模型难以收敛的问题,采用迁移学习的方法,优化了模型的初始参数,提升模型的泛化能力和分割效率.此外,为了降低计算量、进一步提高分割效果,对数据集进行了裁剪和去噪.同时,将处理后的图像采用旋转、镜像等方法进行了数据扩充.实验结果表明,改进的U-Net的识别精确率(precision)、平均交并比(mean intersection-over-union,mIoU)分别能达到 0.7352、0.4673,效果优于目前主流的分割算法,具有一定实际应用价值.
文献关键词：
SPECT骨显像;多尺度密集连接(MDC);图像处理;注意力机制;迁移学习
中图分类号：
作者姓名：
余泓;罗仁泽;陈春梦;罗任权;李华督
作者机构：
西南石油大学电气信息学院,四川 成都610500;宜宾市第二人民医院核医学科,四川 宜宾644000
文献出处：
引用格式：
[1]余泓;罗仁泽;陈春梦;罗任权;李华督-.基于改进U-Net的SPECT骨显像病灶分割研究)[J].光电子·激光,2022(10):1110-1120
A类：
tomograpy
B类：
Net,SPECT,骨显像,病灶分割,核医学,单光子,计算机断层,single,photon,emission,computed,像是,图像信噪比,边界模糊,勾画,自动分割,分割算法,多尺度密集连接,multi,scale,dense,connection,MDC,小病,特征的提取,梯度消失,细节特征,跳跃连接,连接处,注意力机制,小样本数据集,迁移学习,泛化能力,计算量,分割效果,裁剪,去噪,镜像,数据扩充,精确率,precision,平均交并比,mean,intersection,over,union,mIoU
AB值：
0.434747
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
