基于密集交互式融合Mask RCNN的肺部PET/CT图像实例分割

作     者：周涛 赵雅楠 陆惠玲 王亚星 支力佳 ZHOU Tao;ZHAO Yanan;LU Huiling;WANG Yaxing;ZHI Lijia

作者机构：北方民族大学计算机科学与工程学院银川750021 宁夏医科大学医学信息工程学院银川750004 北方民族大学图像图形智能处理国家民委重点实验室银川750021 

基　　金：国家自然科学基金项目(62062003) 宁夏自然科学基金(2023AAC03293) 北方民族大学引进人才科研启动项目(2020KYQD08):2020年北方民族大学研究生创新项目(YCX21089) 

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

年 卷 期：2024年第41卷第3期

页      码：527-534页

摘      要：正电子发射断层显像/X线计算机体层成像(PET/CT)肺部图像中存在病灶区域特征像素信息少、形状复杂多样,病变与周围组织界限模糊等问题,导致模型对肿瘤病变特征提取不充分。针对上述问题,本文提出基于密集交互式融合Mask RCNN(DIF-Mask RCNN)实例分割模型。首先设计具有跨尺度主辅结构的特征提取网络,提取出不同尺度病灶特征;然后设计密集交互式增强辅助网络(DIFEN),通过将最浅层病变特征以密集连接形式与邻近特征、当前特征进行交互融合,增强深层特征图中病灶细节信息;最后构建密集交互式融合金字塔网络(DIF-FPN),在自下而上路径中将浅层信息逐个以密集连接方式补充到深层特征中,进一步加强模型对病变区域的微弱特征感知力。在临床PET/CT肺部图像数据集上进行消融实验和对比实验,结果表明所提模型对于病变区域实例分割的APdet、APseg、APdet_s、APseg_s指标分别为67.16%、68.12%、34.97%、37.68%,与Mask RCNN(ResNet50)相比在APdet和APseg指标上分别提升7.11%、5.14%。DIF-Mask RCNN模型能够有效检测分割肿瘤病变,为肺癌辅助诊断提供重要的参考价值与评估依据。

主 题 词：正电子发射断层显像/X线计算机体层成像 实例分割 交互式融合 密集连接 MaskRCNN 

学科分类：1002[医学-临床医学类] 1001[医学-基础医学] 100214[100214] 100106[100106] 10[医学] 

核心收录：

D　O　I：10.7507/1001-5515.202309026

馆 藏 号：203128290...