南方科技大学知识苑(SUSTech KC): 基于边缘强化的Unet-TIC模型对前列腺自动勾画研究

题名	基于边缘强化的Unet-TIC模型对前列腺自动勾画研究
其他题名	Automatic prostate segmentation with boundary-enhanced Unet-TIC model
作者	陈洪涛; 郑芳; 高艳; 史亚滨; 邓小年; 钟鹤立
发表日期	2022
DOI	10.3969/j.issn.1005-202X.2022.06.011
发表期刊	中国医学物理学杂志影响因子和分区
ISSN	1005-202X
卷号	39 期号:6页码:719-725
摘要	目的:通过图像边缘强化以及改进Unet深度学习网络结构提高前列腺自动分割的准确性.方法:随机选取我院50例检查者前列腺核磁扫描图像,以及MICCAI Grand Challenge数据库50例前列腺图像,其中81例作为训练集,10例作为验证集,9例作为测试集.通过旋转不变性相干增强扩散滤波方法(CED-ORI)对图像进行边缘强化,建立双输入收缩路径结构的Unet-Two Input Channel(Unet-TIC)并行提取原始和CED-ORI图像特征,共享一条扩张路径,并通过跳跃连接突出CED-ORI边缘强化的有效特征,获取更多信息增加上采样分辨率.采用Accuracy、Mean DSC、Median DSC、ASD、MSD、RVD 6个指标对Unet、Unet-c和Unet-TIC 3种方法进行评估.结果:Unet-c和Unet-TIC评估指标表现均明显优于Unet,其中表现最好的Unet-TIC相较于Unet,Accuracy提高1.87％,Mean DSC提高1.81％,Median DSC提高1.21％,ASD降低0.32 mm,MSD降低1.63 mm,RVD降低4.64％.直观勾画方面Unet-TIC比Unet更加精准,更能捕捉到复杂的前列腺形状的变换,尤其是辨别混淆性、类似性边界区域.结论:相较于Unet,Unet-TIC在影像器官分割与勾画方面具有更优的表现.
关键词	Unet Unet-TIC CED 边缘强化自动分割 Dice系数
相关链接	[万方记录]
语种	中文
学校署名	其他
资助项目	广东省医学科研基金
来源库	WanFang
万方记录号	zgyxwlxzz202206011
引用统计	被引频次[WOS]：0
成果类型	期刊论文
条目标识符	http://sustech.caswiz.com/handle/2SGJ60CL/401934
专题	南方科技大学第一附属医院
作者单位	深圳市人民医院(暨南大学第二临床医学院,南方科技大学第一附属医院)肿瘤放疗科,广东深圳518020
推荐引用方式 GB/T 7714	陈洪涛,郑芳,高艳,等. 基于边缘强化的Unet-TIC模型对前列腺自动勾画研究[J]. 中国医学物理学杂志,2022,39(6):719-725.
APA	陈洪涛,郑芳,高艳,史亚滨,邓小年,&钟鹤立.(2022).基于边缘强化的Unet-TIC模型对前列腺自动勾画研究.中国医学物理学杂志,39(6),719-725.
MLA	陈洪涛,et al."基于边缘强化的Unet-TIC模型对前列腺自动勾画研究".中国医学物理学杂志 39.6(2022):719-725.