基于级联卷积神经网络的前列腺MR图像自动分割算法研究

作者：申璐璐; 于慧华; 周春艳; 李可; 刘林栋^*

来源：中国医学装备, 2023, 20(07): 1-5.

• 自动分割
• 神经网络
• 残差模块
• 磁共振成像（MRI）
• 前列腺

目的：提出一种基于语义分割(U-Net)网络和残差网络(Res-Net)两级神经网络级联的前列腺MR图像自动分割算法，以精确分割前列腺MR图像，准确评价前列腺癌诊断和疗效。方法：采用一级和二级卷积神经网络分割前列腺MR图像，一级网络采用二维U-Net网络初步定位和分割前列腺组织；二级网络联合使用U-Net网络和Res-Net网络精确分割前列腺组织。网络训练数据选自Github开源数据库中116例前列腺MR的T2加权成像(T2WI)数据集，其中80%用于训练，10%用于验证，10%用于测试。网络定量评价指标采用前列腺自动分割区域与手动分割区域之间的Dice相似性系数、灵敏度和特异度。结果：两级神经网络级联的前列腺MR图像自动分割算法在测试集所得的前列腺分割区域的平均Dice相似性系数为93.8%，灵敏度为94.6%，特异度为99.3%。结论：两级神经网络前列腺自动分割算法能显著提高前列腺MR的T2WI图像分割精度，是一种具有较高稳健性和重复性的前列腺图像自动分割算法。

• 单位
  南京医科大学; 南京市第一医院