基于深度学习的脊柱CT图像分割

摘要

脊柱CT图像具有组织对比度低,脊柱边界形态不规则,图像中存在噪声等问题.传统分割算法常需人工干预或引进先验信息,分割效率较低,不能很好地满足临床实时性需求.针对以上问题,将深度学习算法应用于脊柱图像分割,提出基于卷积-反卷积神经网络的脊柱CT图像全自动分割方法.在全卷积网络的基础上构建其对称的反卷积网络,卷积网络用于自动提取脊柱图像的深层次特征,反卷积网络将特征图循序渐进地恢复到原图像尺寸.在网络训练阶段,为了加快网络收敛速度、提高训练效率,采用预训练法和改进的随机梯度下降法来训练网络.利用训练好的模型,直接对输入图像每个像素所属类别的概率进行预测,达到分割目的.实验结果表明,运用该法分割脊柱CT图像所获得的准确度和实时性好,DSC指标约89.63％.