面向医学图像分割的超像素U-Net网络设计

作     者：王海鸥 刘慧 郭强 邓凯 张彩明 Wang Haiou;Liu Hui;Guo Qiang;Deng Kai;Zhang Caiming

作者机构：山东财经大学计算机科学与技术学院济南250014 山东省数字媒体技术重点实验室济南250014 山东省千佛山医院影像科济南250014 山东大学软件学院济南250101 山东高校未来智能计算协同创新中心烟台264025 

基　　金：国家自然科学基金重点项目浙江联合基金(U1609218) 国家自然科学基金(61572286,61472220) 山东省重点研发计划(2017CXGC1504) 山东省省属高校优秀青年人才联合基金项目(ZR2017JL029) 山东省高等学校优势学科人才团队培育计划 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2019年第31卷第6期

页      码：1007-1017页

摘      要：近年来,超像素在医学图像处理领域的应用愈加广泛,现有的方法取得了较好的效果,如LAW,SLIC等.然而,这些方法在处理医学图像得到超像素时,位于组织边缘像素点的划分仍存在类别模糊问题.为此,提出一种基于U-Net网络的超像素分割方法.首先,通过双边滤波模型过滤外部噪声,增强超像素信息;然后,结合U-Net卷积网络学习图像特征.该方法为U-Net网络中每个特征尺度的卷积层后嵌入一个规范层,用于增强网络对参数的敏感性.实验结果表明,该方法有效提高了医学图像超像素的分割精度,与groundtruth相比,其改善了超像素边缘分类的准确性,优化了超像素分割结果,在精确度、召回率、F-measure和分割速度等性能指标上均取得了更好的效果.

主 题 词：超像素 双边滤波 卷积网络 U-Net 医学图像分割 

学科分类：08[工学] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3724/SP.J.1089.2019.17389

馆 藏 号：203678003...