利用多模态U形网络的CT图像前列腺分割

• 作者: 凌彤 杨明 杨琬琪
• 来源期刊: 智能系统学报
• 学科: 医学
• 关键词: 计算机断层扫描图像 核磁共振成像 深度学习 多模态U形网络 单模态U形网络 迁移学习 损失函数 前列腺分割
• 年，卷（期）: 2018,（6）
• 页码范围: 981-988
• 页数: 8页
• 分类号: TP18|R318
• 字数: 5109字
• 语种: 中文
• DOI: 10.11992/tis.201806012

摘要

计算机断层扫描(computed tomography,CT)可应用于前列腺癌的检查诊断,但是它对软组织结构对比度不高,因此很难从中分割病变;而核磁共振成像(nuclear magnetic resonance imaging,MRI)具有较高的对比度,能为病变提供丰富的影像信息.为了提升CT图像的前列腺分割精度,本文提出一种新的基于深度学习的多模态U形网络图像分割模型MM-unet,充分运用MRI图像与CT图像间信息互补的特点.具体地,首先运用迁移学习思想分别训练MRI与CT图像的初始分割模型,然后通过设计一种新型的多模态损失函数MM-Loss,建立不同模态分割模型之间的联系,联合训练基于MRI与CT图像的MM-unet.为验证所提模型MM-unet的有效性,我们在某合作医院提供的Prostate数据集上进行了实验,实验结果表明,与U-net方法相比,MM-unet能够获得高出3个百分点Dice的CT图像分割精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明	南京师范大学计算机科学与技术学院	58	1074	15.0	32.0
2	凌彤	南京师范大学计算机科学与技术学院	1	2	1.0	1.0
3	杨琬琪	南京师范大学计算机科学与技术学院	2	2	1.0	1.0