CN116309675B 一种基于改进型3D-UNet的MRI图像脑肿瘤分割方法 （哈尔滨理工大学）_第1页
CN116309675B 一种基于改进型3D-UNet的MRI图像脑肿瘤分割方法 （哈尔滨理工大学）_第2页
CN116309675B 一种基于改进型3D-UNet的MRI图像脑肿瘤分割方法 （哈尔滨理工大学）_第3页
CN116309675B 一种基于改进型3D-UNet的MRI图像脑肿瘤分割方法 （哈尔滨理工大学）_第4页
CN116309675B 一种基于改进型3D-UNet的MRI图像脑肿瘤分割方法 （哈尔滨理工大学）_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于改进型3D-UNet的MRI图像脑肿瘤本发明公开了一种基于改进型3D_UNet的中脑部MRI图像进行预处理获得训练集；2)结合建改进型3D_UNet框架；3)利用训练集数据训练脑部MRI图像测试数据导入脑肿瘤分割网络，得分割方式耗时较长且过于依赖专家的主观经验的问题，并具有比基于UNet的脑部MRI图像分割进一步应用于其他医学MRI图像分割任务2将三维MRI图像沿z轴切片并标号后按照下述方法剔除颅b)搜索到第一个非零像素点后停止搜索并剔除完成后依照标号将切片后的图像重新拼接2)搜索图像中的所有的非零像素点并标记4)将下采样过程中后级的卷积结果进行上采样并与上层结果拼接组合后输入到网络2.根据权利要求1所述的一种基于改进型3D_UNet的MRI图像脑肿瘤分割方法，其特征3.根据权利要求1所述的一种基于改进型3D_UNet的MRI图像脑肿瘤分割方法，其特征使用三个并联的模块同时接受输入，三个模块结构均为依次由1个步长为1的3*3*3卷4.根据权利要求1所述的一种基于改进型3D_UNet的MRI图像脑肿瘤分割方法，其特征35.根据权利要求1所述的一种基于改进型3D_UNet的MRI图像脑肿瘤分割方法，其特征输入拼接模块连接四个残差卷积模块进行下采样，后续连接空洞特4[0010]剔除完成后依照标号将切片后的图像重新拼接为剔除颅骨后的脑部三维MRI图[0016]7.将原本网络中的采样模块修改为每个层级的采样模块包括依次由1个步长为25[0018]9.将下采样过程中后级的卷积结果进行上采样并与上层结果拼接组合输入到网[0020]11.将得到的训练数据导入到改进的3D_UNet网络中进行训练的到脑肿瘤分割网[0029]将在Kaggle中获得的BraTS数据集进行预处理，具体包括将所获得的数据集中不同类型肿瘤整合到一起并将标记的肿瘤信息与对应的脑部MRI图像放置于统一文件夹中且6[0034]输入部分主要为读取前面生成的文件列表，将四种模态的MRI图像同时输入到模通过填充空像素的方式保持图像分辨率不因边缘位置减少。右侧为步长为2的1*1*1卷积弃权重较低的通道，仅保留所需要的128条特征通道。特征解码部分由步长为1的3*3*3卷[0039]使用二分类交叉熵损失作为损失函数对新的网络模型对[0040]经过测试本专利所提供的改进后的3D_UNet网络在脑肿瘤分割结果的dice精度可以达到92而作为对比未经改进的U_Net网络分割结果的dice精度为89实验结果表示改进后的3D_UNe

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论