计算机科学与探索

作者：刘辰，肖志勇，吴鑫鑫

单位：江南大学 物联网工程学院，江苏 无锡 214122

关键词：海马体分割,脑磁共振成像（MRI）,卷积网络,空洞卷积

为了提高海马体分割的精确性和鲁棒性，提出一种新型的三维卷积网络Dilated-3DUnet。该网络中卷积层的通道数采用“金字塔”分布的方式，有效缩小了参数的规模。此外，使用三维空洞卷积作为级联卷积操作，不仅有效地结合了脑磁共振成像（MRI）的深层特征和浅层特征，而且在不改变参数个数的情况下，扩大了卷积层的感受野，获取了多尺度信息，能够更好地捕捉MRI图像的浅层特征，从而提高了分割精度。在ADNI数据集上进行实验，以相似性系数、灵敏度、阳性预测率为评价指标，准确率分别达到了89.32%、88.72%和90.05%。实验表明，Dilated-3DUnet充分利用了脑MRI图像的三维空间信息，具有更强的泛化能力和更好的特征表达能力，从而大大提升了分割精度。

来源：2020年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第3期