基于全卷积网络的乳腺肿瘤动态增强磁共振图像分割

摘要：

准确可靠的乳腺肿瘤分割是乳腺癌诊断、治疗、预后评估的关键.针对现有的基于动态增强磁共振成像(DCE-MRI)的乳腺肿瘤分割方法易遗漏小目标肿瘤等不足,本文提出了一种基于全卷积网络的可靠高效的乳腺肿瘤DCE-MRI图像分割方法.首先,对乳腺DCE-MRI数据进行预处理后,截取128*128大小的图像块,并以肿瘤区域像素数为依据将数据分为两个子数据集;其次,利用数据集训练CBP5-Net得到分类模型;然后,利用两个子数据集分别训练RAU-Net得到两个分割模型;最后,将测试集数据送到网络输入端,并对网络输出结果进行后处理,得到最终的乳腺肿瘤分割结果.利用本文提出的方法得到的Dice系数、敏感性、特异性和交并比(IoU)分别达到了0.9388、0.9523、0.9985和0.8768,说明利用本文方法能够有效、精确地分割乳腺肿瘤DCE-MRI图像.

关键词：全卷积网络(FCN)、图像分割、乳腺肿瘤、动态对比增强磁共振成像(DCE-MRI)

所属期刊栏目：39

分类号：R737.9;O482.53(肿瘤学)

资助基金：国家自然科学基金;上海市科技创新行动计划资助项目;上海市自然科学基金资助项目;山东省自然科学基金资助项目

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：196-207