基于全卷积神经网络的直肠癌肿瘤磁共振影像自动分割方法

• 作者: 冉昭 王蒙蒙 简俊明 赵星羽 高欣
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 直肠肿瘤分割 神经网络 多边输出 磁共振影像
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 论著
• 页码范围: 465-471
• 页数: 7页
• 分类号: R318.04
• 字数: 4315字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2019.05.004

摘要

目的 直肠肿瘤(rectum cancer,RC)的图像精确分割是直肠癌诊断和治疗的基础和关键.目前,直肠肿瘤的分割通常是由放射科医生逐切片进行,这种方式主观性强,工作量大.为此,本文提出了一种直肠肿瘤磁共振影像全自动分割网络,在有效减少放射科医生负担的同时提高了肿瘤分割结果的可重复性.方法 首先采用一个预训练的ResNet50提取特征,并在网络隐藏层添加3个边输出模块,实现图像数据的多尺度特征提取,最后融合3个边输出模块获得最终的分割结果.将所提网络架构的分割结果与基于U?net网络架构的分割结果进行比较,并分析不同损失函数和感兴趣区域(region of interest,ROI)尺寸对所提网络分割性能的影响.结果 本研究使用中山大学附属第六医院512例患者的影像数据对模型进行训练及测试,其中随机选取的461例患者的T2加权磁共振影像用于网络训练,剩下51例患者的T2加权磁共振影像用于网络测试.结果表明,所提网络分割结果的平均Dice相似性系数(Dice similarity coefficient,DSC)、平均敏感度(sensitivity)、平均特异度(specificity)及平均豪斯多夫距离(Hausdorff distance,HD)分别达到了83.61％、89.10％、96.36％和8.49,均优于基于U?net的分割方法.对于包含了肿瘤组织的ROI,尺寸越小,分割效果越好.对于给定尺寸的ROI,几种损失函数并无太大差异.结论 该算法能够准确地勾画肿瘤边界,有助于提升医生工作效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高欣	中国科学院苏州生物医学工程技术研究所	46	202	9.0	12.0
2	冉昭		1	3	1.0	1.0
6	简俊明		1	3	1.0	1.0
10	王蒙蒙		2	3	1.0	1.0
14	赵星羽		2	4	1.0	2.0