原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
第 卷第 期 光 子 学 报
48 7 Vol.48No.7
年 月
2019 7 Jul2019
ACTAPHOTONICASINICA y
引用格式: , , ,
YAOHon-e SHENXin-xia LIYu etal.Multi-modalFusionBrainTumorDetectionMethodBasedonDee
gg p
[] , , ():
Learnin J.ActaPhotonicaSinica 2019 487 0717001
g
, , , [] , , ():
姚红革 沈新霞 李宇 等 多模态融合的深度学习脑肿瘤检测方法 光子学报
. J. 2019487 0717001
多模态融合的深度学习脑肿瘤检测方法
1 2 3 1 1
, , , ,
姚红革 沈新霞 李宇 喻钧 雷松泽
( , )
1西安工业大学 计算机科学与工程学院 西安 710021
( , )
2常州大学 信息科学与工程学院 江苏 常州 213164
( / , )
3西北大学 附属医院 西安市第三医院 国际医疗部 西安 710000
: ,
摘 要 针对目前传统方法脑肿瘤检测准确率低的问题 提出一种基于深度学习的三维脑肿瘤检测方
, ;
法 首先将不同模态的脑肿瘤磁共振成像影像进行融合 获取不同模态下的脑肿瘤病灶三维空间特征
.
, , ;
然后在卷积层和池化层之间增加实列归一化层 提高网络的收敛速度 缓解过拟合的问题 并对损失函
, ;
数进行改进 采用加权损失函数加强对病灶区域的特征学习 最后结合后处理方法解决假阳脑肿瘤病灶
: ; 、
多的问题 实验结果表明 提出的脑肿瘤检测方法可有效进行肿瘤病灶定位 相关性系数 敏感性和特异
.
、 , , 、
性三种评价指标分别达到了
文档评论（0）