山东大学学报(工学版)

作者：张月芳,邓红霞,呼春香,钱冠宇,李海芳

单位：太原理工大学信息与计算机学院, 山西 晋中 030600

关键词：磁共振图像,生成对抗网络,残差网络,注意力机制,海马体,

基金：国家自然科学基金资助项目(61873178,61976150);山西省自然科学基金资助项目(201801D21135);山西省重点研发计划(国际科技合作)(201803D421047)

研究一种基于改进的生成对抗网络的深度学习方法对海马体进行分割。提出不同的卷积配置,以捕获由分割网络获得的信息。提出以Pixel2Pixel为基本架构的生成对抗网络模型,生成模型结合残差网络以及注意力机制的编解码结构以捕获更多细节信息。判别网络采用卷积神经网络对生成模型的分割结果和专家分割结果进行判别。经过生成模型和对抗模型不断地传递其损失,使生成模型达到分割海马体的最优状态。使用来自ADNI数据集130名健康受试者的T1加权MRI扫描和相关海马标签作为训练和测试数据,以相似度系数作为评价指标,准确率达到89.46%。试验结果表明,该网络模型可以实现高效地自动分割海马体,对于阿尔茨海默症等疾病的正确诊断具有重要的现实意义。

来源：2020年第6期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2020年第6期