基于U-Net的颅内出血识别算法
张天麒1, 康波2,1, 孟祥飞1, 刘奕琳3, 周颖31. 国家超级计算天津中心, 天津 300457;
2. 天津大学 智能与计算学部, 天津 300350;
3. 北京大学滨海医院, 天津 300450
收稿日期:
2019-07-09出版日期:
2020-06-28发布日期:
2020-06-24通讯作者:
康波(1986-),男,高级工程师,E-mail:kangbo@nscc-tj.cn.E-mail:kangbo@nscc-tj.cn作者简介:
张天麒(1990-),男,研发工程师.基金资助:
U-Net Based Intracranial Hemorrhage Recognition
ZHANG Tian-qi1, KANG Bo2,1, MENG Xiang-fei1, LIU Yi-lin3, ZHOU Ying31. National Supercomputer Center in Tianjin, Tianjin 300457, China;
2. College of Intelligence and Computing, Tianjin University, Tianjin 300350, China;
3. Peking University Binhai Hospital, Tianjin 300450, China
Received:
2019-07-09Online:
2020-06-28Published:
2020-06-24Supported by:
摘要/Abstract
摘要: 针对颅脑计算机断层成像(CT)影像中脑出血的分析和识别,提出采用神经网络模型U-Net与轮廓识别相结合的方法提取脑实质区域,通过阈值分割算法分析血块的图像纹理特征,并过滤软组织、脑组织和脑脊液等无关生理组织结构,实现对颅内出血点的精确定位,最后采用插值方法将出血区域进行三维重建,对血块的三维形态作出评估.在天津市某医疗机构提供的500例颅脑CT数据上进行了验证测试,实验结果表明,该算法达到97.4%的目标识别准确率,能够为脑出血诊断提供参考.
中图分类号:
TN319
引用本文
张天麒, 康波, 孟祥飞, 刘奕琳, 周颖. 基于U-Net的颅内出血识别算法[J]. 北京邮电大学学报, 2020, 43(3): 92-98.
ZHANG Tian-qi, KANG Bo, MENG Xiang-fei, LIU Yi-lin, ZHOU Ying. U-Net Based Intracranial Hemorrhage Recognition[J]. Journal of Beijing University of Posts and Telecommunications, 2020, 43(3): 92-98.
PDF全文下载地址:
https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4644