周围神经MicroCT图像中神经束轮廓获取

作     者：钟映春 祝玉杰 李芳 朱爽 戚剑 Zhong Yingchun;Zhu Yujie;Li Fang;Zhu Shuang;Qi Jian

作者机构：广东工业大学自动化学院广州510006 广东财经大学信息学院广州510320 南方医科大学珠江医院骨科广州510630 中山大学附属第一医院显微外科广州510080 

出 版 物：《中国图象图形学报》 (Journal of Image and Graphics)

年 卷 期：2020年第25卷第2期

页      面：354-365页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 080203[工学-机械设计及理论] 1010[医学-医学技术（可授医学、理学学位）] 0802[工学-机械工程] 100106[医学-放射医学] 100602[医学-中西医结合临床] 10[医学] 

基　　金：国家自然科学基金项目(81801210) 广东省自然科学基金项目(2018A0303130137) 广东省高性能计算重点实验室开放项目(TH1528) 广东省哲学社会科学规划学科共建项目(GD18XJY05) 

主　　题：周围神经 神经束 轮廓获取 迁移学习 蒙皮区域卷积神经网络 MicroCT图像 

摘      要：目的采用不同染色方法获得的周围神经标本经过MicroCT扫描后,会获得不同效果的神经断层扫描图像。本文针对饱和氯化钙染色、无染色方法获得的两种周围神经MicroCT图像,提出一种通用的方法,实现不同染色方法获得的周围神经MicroCT图像在统一架构下的神经束轮廓获取。方法首先设计通用方法架构,构建图像数据集,完成图像标注、分组等关键性的准备环节。然后将迁移学习算法与蒙皮区域卷积神经网络(mask R-CNN)算法结合起来,设计通用方法中的识别模型。最后设计多组实验,采用不同分组的图像数据集对通用方法进行训练、测试,以验证通用方法的效果。结果通用方法对不同分组的图像数据集的神经束轮廓获取准确率均超过95%,交并比均在86%以上,检测时间均小于0.06 s。此外,对于神经束轮廓信息较复杂的图像数据集,迁移学习结合mask R-CNN的识别模型与纯mask R-CNN的识别模型相比较,准确率和交并比分别提高了5.5%9.8%和2.4%3.2%。结论实验结果表明,针对不同染色方法获得的周围神经MicroCT图像,采用本文方法可以准确、快速、全自动获取得到神经束轮廓。此外,经过迁移后的mask R-CNN能显著提高神经束轮廓获取的准确性和鲁棒性。