44、脑白质病变与儿童肥胖内脏脂肪分割的深度学习研究

脑白质病变与儿童肥胖内脏脂肪分割的深度学习研究

在医学影像处理领域，深度学习技术正发挥着越来越重要的作用。本文将介绍两种不同的研究，一是关于脑白质病变检测的卷积神经网络，二是针对肥胖儿童内脏脂肪自动分割的方法。

脑白质病变检测的卷积神经网络

在脑白质病变检测方面，研究人员测试了多种卷积神经网络架构，包括MPCNN、ICCNN和DeepMedic。

网络架构调整

• ICCNN ：最后一层维度减少到两个神经元，用于指示输入是否为受损体素。训练过程有所改变，使用不平衡数据进行一步训练（每个阳性受损体素对应10个阴性案例）。激活函数改为ReLU，去除了Dropout，并使用二元交叉熵损失函数进行训练。与MPCNN的主要区别在于，ICCNN仅使用2D切片作为输入。
• DeepMedic ：架构由3D CNN和全连接的3D条件随机场（CRF）组成。3D CNN有四层，使用5×5×5的内核进行特征提取，分类层是一个1×1×1的卷积层，实现高效的密集推理。该网络有两条路径，分别处理局部信息和更大的上下文信息，实现多尺度数据处理。所有隐藏层都应用了批量归一化（BN），以保持信号并避免权重收敛问题。网络按块训练，批次大小根据输入体素的邻域自动选择。为了适应脑白质病变检测问题，最后一层输出从5个减少到2个。

实验设置

• 实现与训练环境 ：MPCNN和ICCNN使用Python和Keras实现，以TensorFlow为后端。DeepMedic的实现从GitHub下载