基于改进CNN的医学图像分割方法

为了提高医学图像分割的精确性和鲁棒性，提岀了一种基于改进卷积神经网络的医学图像分割方法。首先采用卷积神经网络对冠状面、矢状面以及横断面三个视图下的2D切片序列进行分割，然后将三个视图下的分割结果进行集成，得到最终的结果。其中卷积神经网络由编码部分、双向卷积长短记忆网络（BDCLSTM）和解码部分组成。为获取多尺度信息，扩大卷积层的感受野，编码部分使用不同大小的非对称卷积层和空洞卷积。此外，在编码和解码部分之间使用BDC-LSTM，充分挖掘单视图下切片序列间的相关信息，从而提高分割精度。以海马体分割为例，在ADN标准数据集上，以相似性系数、灵敏度和阳性预测率作为评判标准，准确率分别达到了89.36%、88.73%和90.16%。实验结果表明，该算法在准确率上更具竞争力。