10.3969/j.issn.1007-130X.2021.04.016
基于对抗学习和多尺度特征融合的前列腺MR图像分割
前列腺MR图像的自动分割已被广泛应用于前列腺癌的诊断和治疗过程中,然而,由于前列腺的形状变化显著且与相邻组织的对比度低,传统的分割方法仍存在精度低、速度慢等缺点.生成对抗网络GAN在计算机视觉任务中展示出了优越的性能,因此提出了一种使用对抗学习的概念来训练分割网络的方法,实现前列腺MR图像端到端的自动分割.模型框架主要由分割网络和判别网络构成,分割网络生成分割预测图,判别网络判断输入来自真实标签还是分割预测.同时,在分割网络中集成了感受野模块RFB来获取和融合深度特征的多尺度信息,提高特征的识别率和鲁棒性,以提升网络的分割性能.在PROMISE12数据集上的验证结果显示,该模型的DSC和HD分别为89.56% 和7.65 mm.
前列腺MR图像、图像分割、对抗学习、多尺度特征
43
TP391.4(计算技术、计算机技术)
国家自然科学基金61371156
2021-05-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
697-703