基于残差孪生网络的多模态脑肿瘤三维分割算法

作     者：田秋红 李翔 魏本征 TIAN Qiuhong;LI Xiang;WEI Benzheng

作者机构：山东中医药大学医学人工智能研究中心青岛266112 山东中医药大学青岛中医药科学院青岛266112 

基　　金：国家自然科学基金资助项目(62372280,61872225) 山东省自然科学基金资助项目(ZR2020KF013,ZR2020QF043,ZR2023QF094) 青岛市科技惠民示范专项项目(23-2-8-smjk-2-nsh) 齐鲁卫生与健康领军人才工程项目资助 

出 版 物：《生物医学工程研究》 (Journal Of Biomedical Engineering Research)

年 卷 期：2024年第43卷第4期

页      码：302-309,315页

摘      要：为充分利用多模态医学影像间的关联性和互补性,精准分割脑肿瘤区域及评估预后效果,本研究提出一种基于残差孪生网络的多模态脑肿瘤三维分割模型。首先,利用残差孪生编码挖掘不同模态数据间的关联细节语义信息,并在编码路径间加入级联结构,优化层次间信息交互方式;其次,提出了多尺度像素注意力融合模块,以获取不同感受野的加权融合特征,并促进多个模态间的互补信息交流;最后,在解码阶段设计基于残差孪生编码结构的跳跃连接和注意力单元,引导模型关注与肿瘤分割相关的信息,进一步提升模型的分割性能。本研究在BraTS 2021数据集上进行了验证,在整体肿瘤、肿瘤核心和增强肿瘤三个区域的平均Dice系数分别达到0.928、0.914和0.879。本研究有望为临床脑疾病的早期诊断提供一种新的方法和思路。

主 题 词：孪生网络 特征融合 多模态图像 脑肿瘤分割 多尺度特征 

学科分类：0831[工学-公安技术类] 08[工学] 081203[081203] 0835[0835] 0836[0836] 0812[工学-测绘类] 

D　O　I：10.19529/j.cnki.1672-6278.2024.04.05

馆 藏 号：203143366...