基于改进U型网络的前列腺MR图像分割及其三维重建

作     者：王春萍 

作者单位：河北大学 

学位级别：硕士

导师姓名：郝雷;冯娜

授予年度：2023年

学科分类：1002[医学-临床医学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 100214[医学-肿瘤学] 10[医学] 

主      题：深度学习 医学图像分割 三维重建 增长边 

摘      要：随着生活节奏的加快,工作压力的增加,前列腺癌发病率呈逐年上升趋势,早期的筛查诊断对前列腺癌的治疗及预后显得尤为重要。核磁共振(Magnetic Resonance,MR)成像技术是目前辅助诊断前列腺癌的主要方法之一,但是前列腺在整个盆腔成像中占比小,其周围脏器较多,且MR成像序列复杂,不利于医生的诊断及治疗,所以通过图像分割的手段,将前列腺从二维的序列图像中分割出来进行三维重建,显示出立体图形,便于医生针对患者制定更为精准的诊疗计划。本文旨在提升前列腺分割算法的精度,改善重建效果,其主要工作如下:(1)在前列腺MR图像分割方面,针对前列腺在MR成像区域中占比小,边界模糊且周围脏器较多导致分割精度低的问题,本文提出了一种改进的U-Net网络。在编码器-解码器结构中加入残差模块及密集网络,构成密集残差模块,缓解了深层网络的退化及梯度消失问题,有效提高了模型稳定性和准确性;在跳跃连接结构中加入注意力模块,使网络模型着重关注前列腺区域,解决前列腺边界特征不明显导致的分割效果差或漏检问题,提升了模型预测能力;在网络训练过程中引入混合损失函数,加快了模型收敛速度,减少了网络运行时间。通过在公开数据集Promise12进行对比实验,结果表明,本文所改进的网络模型在DSC和HD系数中分别提升了1.244%和1.6%。(2)在前列腺MR图像三维重建方面,针对重建图像表面由于二义性存在空洞现象,本文提出了一种基于边增长的移动立方体(Marching Cubes,MC)算法。该算法首先提取种子三角形,生长这些种子三角形,然后重建整个三维模型,根据生长边的位置,提出了17种带有等值面的拓扑结构;针对在三维重建过程中,存在重建速度慢的问题,本文提出了使用三段插值法进行重建。在保证重建精度的前提下提高计算效率,使得三维重建技术更加实用和高效。结果表明,本文所提重建方法在三角面片数量及重建速度上分别提升了2.54%和4.84%,改善了重建表面空洞现象且提升了重建速度。