多模态磁共振脑肿瘤图像自动分割算法研究

何承恩; 徐慧君; 王忠; 马丽萍

doi:doi:10.3788/AOS202040.0610001

光学学报, 2020, 40 (6): 0610001, 网络出版: 2020-03-06

多模态磁共振脑肿瘤图像自动分割算法研究下载： 1791次

Automatic Segmentation Algorithm for Multimodal Magnetic Resonance-Based Brain Tumor Images

何承恩 ^*徐慧君 ^**王忠 ^***马丽萍

作者单位

四川大学电气工程学院, 四川成都 610065

图 & 表

图 1. 3D-HDC-Unet模型结构示意图

Fig. 1. Schematic diagram of 3D-HDC-Unet model structure

下载图片查看原文

图 2. 3D卷积与输入体素块的点乘运算示意图。(a)普通3D卷积运算;(b)膨胀率r=2的3D膨胀卷积运算

Fig. 2. Dot product operation diagram of 3D convolution with input voxel block. (a) Original 3D convolution operation; (b) 2-dilated 3D convolution operation

下载图片查看原文

图 3. 混合膨胀残差模块

Fig. 3. Hybrid dilated convolutional residual module

下载图片查看原文

图 4. 收缩路径中输入图片降采样与混合膨胀卷积模块的感受野示意图

Fig. 4. Sketch map of input images sub-sampling and HDC receptive fieldNote:In layer 3 4 5, the size of images is enlarged to scale for better demonstration.

下载图片查看原文

图 5. γ的取值对损失函数的影响

Fig. 5. Effect of γ on attenuated loss

下载图片查看原文

图 6. 5次交叉验证

Fig. 6. 5-fold cross-validation

下载图片查看原文

图 7. 3D-HDC-Unet测试集DSC箱型图

Fig. 7. 3D-HDC-Unet test set DSC box diagram

下载图片查看原文

图 8. 算法流程图与各阶段图像处理结果

Fig. 8. Algorithm flowchart and image processing results of each stage

下载图片查看原文

图 9. 分割结果图

Fig. 9. Segmentation result diagram

下载图片查看原文

表 1BraTS 2017数据集中各类别体素占总体素的比值

Table1. Ratio of different types of voxels to total voxel in the BraTS 2017 dataset

Label	Label 0	Label1	Label 2	Label 4
Percentage /%	96	0.8	2.4	0.8

查看原文

表 28种模型的评价指标数据对比

Table2. Comparison of evaluation index data of eight models

Model	DSC				Specificity	Hausdorff distance
Model	WT	TC	ET			WT	TC	ET	WT	TC		ET	WT	TC	ET
Two-path 3D CNN^[21]	0.85			0.78	0.73		0.80	0.76	0.75	0.97	0.97	0.96	10.6	15.4	7.70
3D-Unet^[22]	0.88			0.76	0.72		0.90	0.78	0.75	0.98	0.98	0.98	13.6	22.3	13.8
3D-Unet+HDC	0.90			0.75	0.71		0.92	0.78	0.73	0.99	0.99	0.97	6.06	7.85	5.33
K-means^[23]	0.79			-	-		0.94	-	-	0.98	-	-	-	-	-
Hybrid level set^[23]	0.80			-	-		0.77	-	-	0.98	-	-	-	-	-
Hybrid algorithm^[24]	0.90			-	-		0.89	-	-	0.98	-	-	-	-	-
Random forests^[24]	0.86			0.78	0.66		0.83	0.72	0.57	0.99	0.99	0.99	7.61	8.70	3.76
Proposed method	0.90			0.80	0.77		0.92	0.84	0.81	0.99	0.99	0.97	6.06	7.69	5.20

查看原文

何承恩, 徐慧君, 王忠, 马丽萍. 多模态磁共振脑肿瘤图像自动分割算法研究[J]. 光学学报, 2020, 40(6): 0610001. Cheng'en He, Huijun Xu, Zhong Wang, Liping Ma. Automatic Segmentation Algorithm for Multimodal Magnetic Resonance-Based Brain Tumor Images[J]. Acta Optica Sinica, 2020, 40(6): 0610001.

多模态磁共振脑肿瘤图像自动分割算法研究下载： 1791次

图 1. 3D-HDC-Unet模型结构示意图

Fig. 1. Schematic diagram of 3D-HDC-Unet model structure

图 2. 3D卷积与输入体素块的点乘运算示意图。(a)普通3D卷积运算;(b)膨胀率r=2的3D膨胀卷积运算

Fig. 2. Dot product operation diagram of 3D convolution with input voxel block. (a) Original 3D convolution operation; (b) 2-dilated 3D convolution operation

图 3. 混合膨胀残差模块

Fig. 3. Hybrid dilated convolutional residual module

图 4. 收缩路径中输入图片降采样与混合膨胀卷积模块的感受野示意图

Fig. 4. Sketch map of input images sub-sampling and HDC receptive fieldNote:In layer 3 4 5, the size of images is enlarged to scale for better demonstration.

图 5. γ的取值对损失函数的影响

Fig. 5. Effect of γ on attenuated loss

图 6. 5次交叉验证

Fig. 6. 5-fold cross-validation

图 7. 3D-HDC-Unet测试集DSC箱型图

Fig. 7. 3D-HDC-Unet test set DSC box diagram

图 8. 算法流程图与各阶段图像处理结果

Fig. 8. Algorithm flowchart and image processing results of each stage

图 9. 分割结果图

Fig. 9. Segmentation result diagram

表 1BraTS 2017数据集中各类别体素占总体素的比值

Table1. Ratio of different types of voxels to total voxel in the BraTS 2017 dataset

表 28种模型的评价指标数据对比

Table2. Comparison of evaluation index data of eight models

关于本站 Cookie 的使用提示

全站搜索

多模态磁共振脑肿瘤图像自动分割算法研究 下载： 1791次

图 1. 3D-HDC-Unet模型结构示意图

Fig. 1. Schematic diagram of 3D-HDC-Unet model structure

图 2. 3D卷积与输入体素块的点乘运算示意图。(a)普通3D卷积运算;(b)膨胀率r=2的3D膨胀卷积运算

Fig. 2. Dot product operation diagram of 3D convolution with input voxel block. (a) Original 3D convolution operation; (b) 2-dilated 3D convolution operation

图 3. 混合膨胀残差模块

Fig. 3. Hybrid dilated convolutional residual module

图 4. 收缩路径中输入图片降采样与混合膨胀卷积模块的感受野示意图

Fig. 4. Sketch map of input images sub-sampling and HDC receptive fieldNote:In layer 3 4 5, the size of images is enlarged to scale for better demonstration.

图 5. γ的取值对损失函数的影响

Fig. 5. Effect of γ on attenuated loss

图 6. 5次交叉验证

Fig. 6. 5-fold cross-validation

图 7. 3D-HDC-Unet测试集DSC箱型图

Fig. 7. 3D-HDC-Unet test set DSC box diagram

图 8. 算法流程图与各阶段图像处理结果

Fig. 8. Algorithm flowchart and image processing results of each stage

图 9. 分割结果图

Fig. 9. Segmentation result diagram

表 1BraTS 2017数据集中各类别体素占总体素的比值

Table1. Ratio of different types of voxels to total voxel in the BraTS 2017 dataset

表 28种模型的评价指标数据对比

Table2. Comparison of evaluation index data of eight models

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

多模态磁共振脑肿瘤图像自动分割算法研究下载： 1791次