文献类型：期刊文章

作　　者：张天麒[1] 康波[2,1] 孟祥飞[1] 刘奕琳[3] 周颖[3]

ZHANG Tian-qi;KANG Bo;MENG Xiang-fei;LIU Yi-lin;ZHOU Ying(National Supercomputer Center in Tianjin,Tianjin 300457,China;College of Intelligence and Computing,Tianjin University,Tianjin 300350,China;Peking University Binhai Hospital,Tianjin 300450,China)

机构地区：[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

出　　处：《北京邮电大学学报》

年　　份：2020

期　　号：3

起止页码：92-98

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、JST、RCCSE、ZGKJHX、核心刊

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.

关 键 词：深度学习  图像分割 脑出血  颅脑计算机断层成像  

分 类 号：TN319]