首页|基于深度学习的蝶鞍自动分割研究

基于深度学习的蝶鞍自动分割研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
研究蝶鞍的形态变化及生长规律对于口腔医生获取额外诊断信息具有重要意义.本文开发并评估了一个基于深度学习的蝶鞍自动分割模型.实验将包含400张头颅侧位片的数据集随机划分成两个子集,其中360张图像作为训练集来训练蝶鞍的自动分割网络U-net,40张图像作为测试集来测试模型的分割性能.Dice系数用于评估模型的分割性能,训练好的蝶鞍自动分割网络的Dice系数为0.9074.所提方法能够快速准确地在头颅侧位片上自动分割出蝶鞍区域.
Sella turcica automatic segmentation based on deep learning

冯琦、刘曙、颜颋、冯红超

展开 >

贵州大学医学院,贵州 贵阳 550025

贵阳市口腔医院

蝶鞍 头颅侧位片 深度学习 图像分割 U-net

观山湖区科技计划

观科合同[2021]01号

2023

10.16644/j.cnki.cn33-1094/tp.2023.06.027

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(6)
  • 1