y - JOUR A2 - Li, Gang AU - Zhu, Qikui AU - Du, Bo AU - Turkbey, Baris AU - Choyke, Peter AU - Yan, Pingkun PY - 2018 DA - 2018/02/28SP - 4185279 VL - 2018磁共振成像(MRI)对前列腺的分割在前列腺癌诊断中发挥了重要作用。然而，由于缺乏清晰的界限和前列腺形状和外观的显著变化，使自动分割非常具有挑战性。近年来，基于深度学习技术的前列腺分割方法取得了显著进展。然而，这些方法主要关注3D体块的每个薄片的特征和环境。因此，由于切片边界信息有限，这种方法在分割前列腺基部和顶端时面临许多困难。为了解决这一问题，本文提出了一种基于双向卷积循环层的深度神经网络用于MRI前列腺图像分割。除了利用层内上下文和特征外，该模型还将前列腺切片作为一个数据序列，利用层间上下文来辅助分割。实验结果表明，与已有的分割方法相比，该方法分割效果显著。SN - 1076-2787 UR - https://doi.org/10.1155/2018/4185279 DO - 10.1155/2018/4185279 JF - Complexity PB - Hindawi KW - ER -