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³

1. 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 Bo^2,1, MENG Xiang-fei¹, LIU Yi-lin³, ZHOU Ying³

1. 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:2020-06-24


Supported 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