基于混合上下文CNN模型的医学图像分割

摘要

通过2D卷积神经网络(CNN)分割由多个解剖学图像形成的体积图像，每个解剖学图像具有不同成像模态的多个图像切片。通过在没有任何估计的图像切片的情况下结合来自两个相邻解剖学图像的所选择的图像切片来预处理单个解剖学图像以形成混合上下文图像。2D CNN利用关于多模态上下文的边信息和3D空间上下文来提高分割准确性，同时避免由于估计的图像切片中的伪像导致的分割性能降低。2D CNN通过具有从最高层级到最低层级的多个层级的BASKET‑NET模型来实现。层级的大多数多通道特征图中的通道数量从最高层级到最低层级单调减少，从而允许最高层级富含低层级特征细节，以帮助更精细地分割单个解剖学图像。