基于级联卷积神经网络的前列腺MR图像自动分割算法研究

摘要：

目的:提出一种基于语义分割(U-Net)网络和残差网络(Res-Net)两级神经网络级联的前列腺MR图像自动分割算法,以精确分割前列腺MR图像,准确评价前列腺癌诊断和疗效.方法:采用一级和二级卷积神经网络分割前列腺MR图像,一级网络采用二维U-Net网络初步定位和分割前列腺组织;二级网络联合使用U-Net网络和Res-Net网络精确分割前列腺组织.网络训练数据选自Github开源数据库中116例前列腺MR的T2加权成像(T2WI)数据集,其中80%用于训练,10%用于验证,10%用于测试.网络定量评价指标采用前列腺自动分割区域与手动分割区域之间的Dice相似性系数、灵敏度和特异度.结果:两级神经网络级联的前列腺MR图像自动分割算法在测试集所得的前列腺分割区域的平均Dice相似性系数为93.8%,灵敏度为94.6%,特异度为99.3%.结论:两级神经网络前列腺自动分割算法能显著提高前列腺MR的T2WI图像分割精度,是一种具有较高稳健性和重复性的前列腺图像自动分割算法.

关键词：自动分割、神经网络、残差模块、磁共振成像(MRI)、前列腺

所属期刊栏目：20

分类号：R445.2;R737.25(诊断学)

在线出版日期：2023-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-5