控制与决策

作者：钟映春,祝玉杰,蚁晓虹,李芳,朱爽,戚剑

单位：广东工业大学 自动化学院,广州 510006,,广东工业大学 自动化学院,广州 510006,,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,

关键词：周围神经;神经束轮廓获取;Mask R-CNN;MicroCT图像;卷积神经网络;深度学习

基金：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)；国家自然科学基金项目(61975248).

采用原始的蒙皮区域卷积神经网络(Mask R-CNN)获取周围神经MicroCT图像中的神经束轮廓时存在收敛慢、精度低等问题.首先构建两个数据子集,然后提出一种密集连接型网络结构,提取神经束区域特征.此外,改进目标检测部分候选框的得分评价规则,并结合迁移学习策略改进原始算法的训练方式.采用准确率和交并比指标评价算法的准确度,精细度阈值指标评价轮廓获取的精度,并确定了精细度阈值的最佳值.实验结果表明,改进后算法在两个数据子集中的准确率和交并比均在83%和87%以上.在精细度阈值为0.85时,获得的神经束轮廓最佳.由此可见,改进后算法能够良好地实现从周围神经MicroCT图像中获取神经束轮廓的目标,为周围神经内部结构的三维可视化奠定基础.

来源：2021年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第7期