科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的：针对多模态肝脏MRI配准问题，设计图像合成配准多任务网络（SynReg），解决弥散加权成像（DWI）和动态对比增强（DCE）影像之间常见的错位问题，证明SynReg能有效提升图像合成质量，进而提升肝细胞癌（HCC）的配准精度。方法：纳入264例肝硬化患者（部分患有HCC），对其扫描高b值DWI和DCE影像，并对肝脏标签和肿瘤标签进行标注。将数据集按7∶1∶2的比例划分SynReg网络的训练、验证和测试集。使用峰值信噪比（PSNR）和结构相似性指标（SSIM）评价图像合成效果，Dice指标和目标配准误差（TRE）评价配准精确度。结果：在图像合成任务中，SynReg将PSNR指标从18.452 dB提升至20.574 dB,SSIM指标从0.707提升至0.769，并显著优于对比方法对抗生成网络；在配准任务中，SynReg在肝脏区域将Dice指标从0.776提升至0.824，肿瘤区域TRE指标从4.237 mm降至3.470 mm，并且显著优于传统配准方法 SyN和主流深度学习配准方法 CycleMorph与TransMorph。上述结果均具有统计学意义（P<0.001）。结论：多任务网络框架中的合成任务与配准任务可以相互辅助，同时获得更好的合成效果与配准效果，且SynReg网络在肝脏轮廓和肿瘤区域均实现了优秀的配准精度，这对于临床上HCC的识别与诊断有着较大的应用价值。
- 单位
