| 多模态融合的深度学习脑肿瘤检测方法 |
| |
| 引用本文： | 姚红革,沈新霞,李宇,喻钧,雷松泽. 多模态融合的深度学习脑肿瘤检测方法[J]. 光子学报, 2019, 48(7): 159-170 |
| |
| 作者姓名： | 姚红革 沈新霞 李宇 喻钧 雷松泽 |
| |
| 作者单位： | 西安工业大学 计算机科学与工程学院,西安,710021;常州大学 信息科学与工程学院,江苏 常州,213164;西北大学 附属医院/西安市第三医院 国际医疗部,西安,710000 |
| |
| 基金项目： | 陕西省教育厅专项科研项目 |
| |
| 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0.9267、0.9281和0.9977,与二维检测网络相比,提高了4.6%、3.96%和0.04%,较初始的单模态脑肿瘤检测方法提升了13.2%、10.42%和0.12%.
|
| 关 键 词： | 磁共振 脑肿瘤检测 多模态融合 实列归一化 加权损失函数 |
Multi-modal Fusion Brain Tumor Detection Method Based on Deep Learning |
| |
| YAO Hong-ge,SHEN Xin-xia,LI Yu,YU Jun,LEI Song-ze. Multi-modal Fusion Brain Tumor Detection Method Based on Deep Learning[J]. Acta Photonica Sinica, 2019, 48(7): 159-170 |
| |
| Authors: | YAO Hong-ge SHEN Xin-xia LI Yu YU Jun LEI Song-ze |
| |
| Affiliation: | (College of Computer Science and Engineering,Xi′an Technological University,Xi′an 710021,China;School of Information Science & Engineering,Changzhou University,Changzhou,Jiangsu 213164,China;International Medical Service Department,The Affiliated Hospital of Northwest University,Xi′an No.3 Hospital,Xi′an 710000,China) |
| |
| Abstract: | YAO Hong-ge;SHEN Xin-xia;LI Yu;YU Jun;LEI Song-ze(College of Computer Science and Engineering,Xi′an Technological University,Xi′an 710021,China;School of Information Science & Engineering,Changzhou University,Changzhou,Jiangsu 213164,China;International Medical Service Department,The Affiliated Hospital of Northwest University,Xi′an No.3 Hospital,Xi′an 710000,China) |
| |
| Keywords: | Magnetic resonance Brain tumor detection Multi modal fusion Instance normalization Weighted loss function |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
