基于nnU-Net的乳腺DCE-MR图像中乳房和腺体自动分割

• 作者: 霍璐 胡晓欣 肖勤 顾雅佳 褚旭 姜娈
• 来源期刊: 波谱学杂志
• 关键词: 乳腺动态增强磁共振图像 乳房分割 腺体分割 深度学习 nnU-Net模型
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 研究论文|Articles
• 页码范围: 367-380
• 页数: 14页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11938/cjmr20212883

摘要

在乳腺动态增强磁共振(DCE-MR)图像中,乳房分割和腺体分割是进行乳腺癌风险评估的关键步骤.为实现在三维脂肪抑制乳腺DCE-MR图像中乳房和腺体的自动分割,本文提出一种基于nnU-Net的自动分割模型,利用U-Net分层学习图像特征的优势,融合深层特征与浅层特征,得到乳房分割和腺体分割结果.同时,基于nnU-Net策略,所使用的模型能根据图像参数自动进行预处理和数据扩增,并动态调整网络结构和参数配置.实验结果表明,在具有多样化参数的三维脂肪抑制乳腺DCE-MR图像数据集上,该模型能准确、有效地实现乳房和腺体分割,平均Dice相似系数分别达到0.969±0.007和0.893±0.054.