基于半监督网络的组织感知CT图像对比度的增强方法

作者：周昊; 曾栋; 边兆英; 马建华

来源：南方医科大学学报, 2023, 43(06): 985-993.

DOI：10.12122/j.issn.1673-4254.2023.06.14

• 计算机断层成像
• 深度学习
• CT图像可视化
• 多器官分割

目的 提出一种组织感知的对比度增强网络（T-ACEnet）对CT图像进行增强显示，并验证该结果对于现有器官分割任务的精度提升。方法 原始CT图像通过映射生成具有肺窗、软组织窗对比度的低动态灰阶图像，监督子网络通过肺部掩膜学习感知肺部、腹腔软组织的最佳窗宽窗位设置。自监督子网络通过极值抑制损失函数保持器官边缘结构信息。增强网络生成的图像被用作分割网络的输入，进行腹部多器官的分割。结果 T-ACEnet所生成的图像可以在一幅图像中包含更多窗口设置信息，便于医生进行病灶的初步筛查。且T-ACE图像在SSIM、QABF、VIFF、PSNR指标上相较于次优方法分别提升了0.51、0.26、0.10和14.14,MSE则降低了一个数量级。同时，T-ACE图像作为分割网络输入时，相较于原始CT图像，在不改变模型的情况下可以有效提高器官分割精度，5个分割定量指标均得到了提升，最大一项可提高4.16%。结论 本研究所提出的T-ACEnet可以感知性地增强器官组织对比度，提供更全面、更连续的诊断信息，同时所生成的图像可以显著提高器官分割任务的表现。

• 单位
  南方医科大学; 生物医学工程学院