多尺度判别条件生成对抗网络的前列腺MRI图像分割方法
目的 由MRI(magnetic resonance imaging)得到的影像具有分辨率高、软组织对比好等优点,使得医生能更精确地获得需要的信息,精确的前列腺MRI分割是计算机辅助检测和诊断算法的必要预处理阶段.因此临床上需要一种自动或半自动的前列腺分割算法,为各种各样的临床应用提供具有鲁棒性、高质量的结果.提出一种多尺度判别条件生成对抗网络对前列腺MRI图像进行自动分割以满足临床实践的需求.方法 提出的分割方法是基于条件生成对抗网络,由生成器和判别器两部分组成.生成器由类似U-Net的卷积神经网络组成,根据输入的MRI生成前列腺区域的掩膜;判别器是一个多尺度判别器,同一网络结构,输入图像尺寸不同的两个判别器.为了训练稳定,本文方法使用了特征匹配损失.在网络训练过程中使用对抗训练机制迭代地优化生成器和判别器,直至判别器和生成器同时收敛为止.训练好的生成器即可完成前列腺MRI分割.结果 实验数据来自PROMISE12前列腺分割比赛和安徽医科大学第一附属医院,以Dice相似性系数和Hausdorff距离作为评价指标,本文算法的Dice相似性系数为88.9％,Hausdorff距离为5.3 mm,与U-Net、DSCNN (deeply-supervised convolutional neured network)等方法相比,本文算法分割更准确,鲁棒性更高.在测试阶段,每幅图像仅需不到1 s的时间即可完成分割,超出了专门医生的分割速度.结论 提出了一种多尺度判别条件生成对抗网络来分割前列腺,从定量和定性分析可以看出本文算法的有效性,能够准确地对前列腺进行分割,达到了实时分割要求,符合临床诊断和治疗需求.
MRI、前列腺分割、生成对抗网络、生成器、判别器
24
TP319(计算技术、计算机技术)
国家自然科学基金项目61371156
2019-10-15（万方平台首次上网日期，不代表论文的发表时间）
共7页
1581-1587
