一种基于生成对抗网络的无监督域自适应磁共振图像分割方法

作     者：孙玉波 刘嘉男 孙泽文 韩建达 于宁波 SUN Yubo;LIU Jianan;SUN Zewen;HAN Jianda;YU Ningbo

作者机构：南开大学人工智能学院天津300350 南开大学天津市智能机器人技术重点实验室天津300350 北京大学第三医院运动医学研究所北京100083 南开大学深圳研究院智能技术与机器人系统研究院广东深圳518083 

基　　金：国家自然科学基金(U1913208,61873135,61720106012) 国家重点研发计划(2018YFB1307803) 

出 版 物：《生物医学工程学杂志》 (Journal of Biomedical Engineering)

年 卷 期：2022年第39卷第6期

页      码：1181-1188页

摘      要：智能医学图像分割方法正在快速地发展和应用,但面临着域转移挑战,即由于源域和目标域数据分布不同导致算法性能下降。为此,本文提出了一种基于生成对抗网络(GAN)的无监督端到端域自适应医学图像分割方法。设计网络训练调整模型,由分割网络和鉴别网络组成。分割网络以残差模块为基本模块,增加对特征的复用能力,降低模型优化难度,并将分割损失与对抗损失相结合,在鉴别网络的作用下学习图像特征层面的跨域特征。鉴别网络采用卷积神经网络,并带入源域标签训练,用来区分生成网络的分割结果是来自源域或目标域,整个训练过程无监督。使用膝关节磁共振(MR)图像公开数据集和采集的临床数据集进行实验,与经典的特征级域自适应方法和图像级域自适应方法对比,所提方法的平均戴斯相似性系数(DSC)分别提高了2.52%与6.10%。本文方法有效提高了分割方法的域自适应能力,显著提高了对胫骨和股骨的分割精度,可以较好地解决磁共振图像分割中的域转移问题。

主 题 词：医学图像分割 域转移 生成对抗网络 图像级域自适应 特征级域自适应 

学科分类：12[管理学] 08[工学] 1010[医学-医学技术类] 0831[工学-公安技术类] 100207[100207] 1201[管理学-管理科学与工程类] 1002[医学-临床医学类] 081104[081104] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 10[医学] 

核心收录：

D　O　I：10.7507/1001-5515.202203009

馆 藏 号：203115577...