仪器仪表学报

作者：于宁波1

单位：于宁波1,2，刘嘉男1,2，高丽1,2，孙泽文3，韩建达1,2,（1?南开大学人工智能学院天津300350； 2?南开大学 天津市智能机器人技术重点实验室 天津300350； 3?北京大学第三医院 运动医学研究所北京100083）,

关键词：医学图像分割;膝关节;磁共振图像;深度学习;卷积神经网络

基金：*基金项目：基金项目国家重点研发计划（2018YFB1307803）、国家自然科学基金（6187021848）、中央高校基本科研业务费资助

摘要：摘要膝关节磁共振图像的自动分割具有重要的临床需求，图像中分割目标的大小不同为精准分割带来了挑战。基于深度学习，提出一种端到端的DRDU?Net。以残差模块作为基本模块，增加了对特征的复用能力。利用并行的扩张卷积模块获取不同的感受野，克服了U?Net模型单一感受野的局限性，提高了对不同大小目标的分割能力。设计多输出融合的深监督模块，直接利用不同层次的特征实现了信息互补，提高了分割区域的连贯性和准确性。在OAI?ZIB数据集上测试，平均分割表面距离为0?2mm，均方根表面距离为0?43mm，豪斯多夫距离为5?22mm，平均戴斯系数（DSC）为93?05%，重叠误差为3?86%。相比于基线U?Net和其他现有模型，所提方法在膝关节股骨、胫骨、股骨软骨、胫骨软骨的分割方面都取得了更高的精度。

来源：2020年第6期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2020年第6期