利用全自动的低层次分割PET数据，对相应的CT数据进行高级深度学习算法的训练

Scidown文献预览系统！

作者：scidown 发布时间：2021-06-16 11:49:53 文章标题：

利用全自动的低层次分割PET数据，对相应的CT数据进行高级深度学习算法的训练( Exploit fully automatic low-level segmented PET data for training high-level deep learning algorithms for the corresponding CT data )

文章作者：

C Gsaxner PM Roth J Wallner J Egger

文章简述：

本文提出了一种利用人工神经网络对CT图像中膀胱进行全自动分割的方法。在疾病的不同治疗阶段，自动医学图像分析已经成为一种无价的工具。特别是医学图像的分割起着至关重要的作用，因为分割通常是图像分析流水线的初始步骤。由于深度神经网络在过去的几年中对图像处理领域产生了巨大的影响，我们使用了两种不同的深度学习架构来分割膀胱。这两种体系结构都是基于预训练的分类网络，这些分类网络适合于执行语义分割。由于深度神经网络需要大量的训练数据，特别是图像和相应的地面真值标签，我们进一步提出了一种从正电子发射断层扫描/计算机断层扫描图像数据生成这样一个合适的训练数据集的方法。这是通过对正电子发射断层摄影数据应用阈值来获得地面真实值，并通过利用数据增强来放大数据集来完成的。在本研究中，我们讨论了数据增强对分割结果的影响，并在定性和定量分割性能方面比较和评估了所提出的体系结构。本研究的结果表明，深度神经网络可以被认为是一种很有前途的方法来分割CT图像中的膀胱。

文章下载地址（开放版）：