摘要
卷积神经网络（CNNs）最近被用于解决计算机视觉和医学图像分析领域的诸多问题。尽管它们广受欢迎，但大多数方法仅能处理二维图像，而临床实践中使用的大多数医学数据是由三维体数据组成的。在本研究中，我们提出了一种基于体积全卷积神经网络的三维图像分割方法。我们的CNN对描绘前列腺的MRI体数据进行了端到端训练，并学会了一次性预测整个体积的分割结果。我们引入了一种基于Dice系数的新目标函数，在训练过程中对其进行优化，从而可以应对前景和背景体素数量严重不平衡的情况。为了应对可用于训练的注释体数据数量有限的问题，我们通过应用随机非线性变换和直方图匹配来扩充数据。实验评估表明，我们的方法在具有挑战性的测试数据上表现出色，同时所需的处理时间仅为其他先前方法的一小部分。