基于深度学习脊柱CT图像分割.PDFVIP

第３５卷第１０期　　　 计算机应用与软件 Ｖｏｌ３５Ｎｏ．１０ ２０１８年１０月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｏｃｔ．２０１８ 基于深度学习的脊柱 ＣＴ图像分割 刘忠利　陈　光　单志勇　蒋学芹 （东华大学信息科学与技术学院　上海２０１６２０） 摘　要　　脊柱ＣＴ图像具有组织对比度低，脊柱边界形态不规则，图像中存在噪声等问题。传统分割算法常需 人工干预或引进先验信息，分割效率较低，不能很好地满足临床实时性需求。针对以上问题，将深度学习算法应 用于脊柱图像分割，提出基于卷积反卷积神经网络的脊柱ＣＴ图像全自动分割方法。在全卷积网络的基础上构 建其对称的反卷积网络，卷积网络用于自动提取脊柱图像的深层次特征，反卷积网络将特征图循序渐进地恢复到 原图像尺寸。在网络训练阶段，为了加快网络收敛速度、提高训练效率，采用预训练法和改进的随机梯度下降法 来训练网络。利用训练好的模型，直接对输入图像每个像素所属类别的概率进行预测，达到分割目的。实验结果 表明，运用该法分割脊柱ＣＴ图像所获得的准确度和实时性好，ＤＳＣ指标约８９．６３％。 关键词　　脊柱ＣＴ图像　深度学习　卷积反卷积网络　全自动分割 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１８．１０．０３６ ＳＥＧＭＥＮＴＡＴＩＯＮＯＦＳＰＩＮＥＣＴＩＭＡＧＥＢＡＳＥＤＯＮＤＥＥＰＬＥＡＲＮＩＮＧ ＬｉｕＺｈｏｎｇｌｉ　ＣｈｅｎＧｕａｎｇ　ＳｈａｎＺｈｉｙｏｎｇ　ＪａｎｇＸｕｅｑｉｎ （ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＤｏｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０１６２０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＳｐｉｎｅＣＴｉｍａｇｅｓｈａｖｅｌｏｗｏｒｇａｎｉｚａｔｉｏｎａｌｃｏｎｔｒａｓｔｒａｔｉｏ，ｉｒｒｅｇｕｌａｒｓｈａｐｅｏｆｂｏｕｎｄａｒｉｅｓａｎｄｉｍａｇｅｎｏｉｓｅｓ． Ｔｒａｄｉｔｉｏｎａｌａｌｇｏｒｉｔｈｍｓｏｆｓｅｇｍｅｎｔａｔｉｏｎｏｆｔｅｎｒｅｑｕｉｒｅｍａｎｕａｌｉｎｔｅｒｖｅｎｔｉｏｎｏｒｉｎｔｒｏｄｕｃｔｉｏｎｏｆｓｏｍｅｐｒｉｏｒｉｎｆｏｒｍａｔｉｏｎ，ｗｈｉｃｈ ｒｅｓｕｌｔｓｉｎｌｏｗｅｆｆｉｃｉｅｎｃｙｏｆｓｅｇｍｅｎｔａｔｉｏｎ．Ｔｈｅｙａｒｅｕｎａｂｌｅｔｏｍｅｅｔｃｌｉｎｉｃａｌｎｅｅｄｓ．Ｔｏｓｏｌｖｅｔｈｅｓｅｄｅｆｉｃｉｅｎｃｉｅｓ，ａｆｕｌｌ ａｕｔｏｍａｔｉｃｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｏｆｓｐｉｎｅＣＴｉｍａｇｅｓ，ｂａｓｅｄｏｎｃｏｎｖｏｌｕｔｉｏｎｄｅｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ｗａｓｐｒｏｐｏｓｅｄ， ｗｈｉｃｈａｐｐｌｉｅｄｄｅｅｐｌｅａｒｎｉｎｇｔｏｓｐｉｎｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ．Ａｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｕｓｅｄｔｏａｕｔｏｍａｔｉｃａｌｌｙ ｅｘｔｒａｃｔｄｅｅｐｆｅａｔｕｒｅｓｏｆｓｐｉｎｅｉｍａｇｅｓ．Ａｓｙｍｍｅｔｒｉｃａｌｄｅｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ，ｃｏｎｓｔｒｕｃｔｅｄｂｙｔｈｅｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌｎｅｔｗｏｒｋ，ｇｒａｄｕａｌｌｙｒｅｓｔｏｒｅｄｔｈｅｆｅａｔｕｒｅｍａｐｓｔｏｔｈｅｏｒｉｇｉｎａｌｉｍａｇｅｓｉｚｅ．Ｄｕｒｉｎｇｔｈｅｐｒｏｃｅｓｓｏｆｔｒａｉｎｉｎｇｔｈｅ ｎｅｔｗｏｒｋ，ｗｅａｄｏｐｔｅｄｔｈｅｗａｙｏｆｐｒｅｔｒａｉｎｉｎｇａｎｄｔｈｅｍｅｔｈｏｄｏｆｉｍｐｒｏｖｅｄｓｔｏｃｈａｓｔｉｃｇｒａｄｉｅｎｔｄｅｓｃｅｎｔｔｏｓｐｅｅｄｕｐｎｅｔｗｏｒｋ ｃｏｎｖｅｒｇｅｎｃｅａｎｄｉｍｐｒｏｖｅｔｒａｉｎｉｎｇｅｆｆｉｃｉｅｎｃｙ．Ｔｈｅｔｒａｉｎｉｎｇｍｏｄｅｌｗａｓｕｓｅｄｔｏｄｉｒｅｃｔｌｙｐｒｅｄｉｃｔｔｈｅｐｒｏｂａｂｉｌｉｔｙｏｆｔｈｅ ｃａｔｅｇｏｒｙｏｆｅａｃｈｐｉｘｅｌｉｎｔｈｅｉｎｐｕｔｉｍａｇｅ，ｗｈｉｃｈｒｅａｌｉｚｅｄｔｈｅｓｅｇｍｅｎｔａｔｉｏｎ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈ