多模态多维信息融合的鼻咽癌MR图像肿瘤深度分割方法

洪炎佳,孟铁豹,黎浩江,刘立志,李立,徐硕瑀,郭圣文

Deep segmentation method of tumor boundaries from MR images of patients with nasopharyngeal carcinoma using multi-modality and multi-dimension fusion

Yan-jia HONG,Tie-bao MENG,Hao-jiang LI,Li-zhi LIU,Li LI,Shuo-yu XU,Sheng-wen GUO

表 1 2D-ResUNet与3D-ResUNet网络结构

Tab.1 Architectures of 2D-ResUNet and 3D-ResUNet

网络层 2D-ResUNet 3D-ResUNet 特征图大小 网络层大小 特征图大小 网络层大小 输入 384×384 — 384×384×8 — 残差结构1 384×384 [3×3，16]×5 384×384×8 [3×3×3，16]×5 最大池化层1 192×192 2×2最大池化 192×192×4 2×2×2最大池化 残差结构2 192×192 [3×3，32]×5 192×192×4 [3×3×3，32]×5 最大池化层2 96×96 2×2最大池化 96×96×4 2×2×1最大池化 残差结构3 96×96 [3×3，64]×5 96×96×4 [3×3×3，64]×5 最大池化层3 48×48 2×2最大池化 48×48×2 2×2×2最大池化 残差结构4 48×48 [3×3，128]×5 48×48×2 [3×3×1，128]×5 最大池化层4 24×24 2×2最大池化 24×24×2 2×2×1最大池化 残差结构5 24×24 [3×3，256]×5 24×24×2 [3×3×1，256]×5 反卷积1 48×48 3×3，2×2-[残差结构4] 48×48×2 3×3×1，2×2×1-[残差结构4] 反卷积2 96×96 3×3，2×2-[残差结构3] 96×96×4 3×3×3，2×2×2-[残差结构3] 反卷积3 192×192 3×3，2×2-[残差结构2] 192×192×4 3×3×1，2×2×1-[残差结构2] 反卷积4 384×384 3×3，2×2-[残差结构1] 384×384×8 3×3×3，2×2×2-[残差结构1] 卷积层 384×384 1×1，2 384×384×8 1×1×1，2