一种基于判别字典学习的膀胱肿瘤分割方法研究OA
A segmentation method of bladder tumor based on discriminant dictionary learning
目的:构建一种基于字典学习的膀胱肿瘤分割方法,降低临床治疗中人工分割的成本,提高分割准确性,以对膀胱癌患者准确分期后确定患者手术的治疗决策.方法:基于经典判别性字典,加入新的正则项,简化原有正则项,改进得到一种性能更优、时间复杂度更低的判别字典学习方法,并将该字典学习方法用于膀胱肿瘤的分割中.选取医院39例患者的膀胱MRI图像数据,对患者膀胱MRI图像进行精确分割和对膀胱肿瘤准确分期.结果:对39例患者的T2加权成像(T2WI)磁共振影像进行训练,使用测试集独立验证,模型分割平均Dice相似性系数(DSC)为0.912;膀胱肿瘤分割精确度高于经典判别性字典.结论:基于字典学习的膀胱肿瘤分割方法改进了经典的判别性字典,与原有字典学习方法相比,可提升膀胱肿瘤的分割性能,降低时间复杂度,具有较高的准确率以及重要的临床意义.
李子奇;董琪;徐桓;田强;徐肖攀;刘洋
空军军医大学军事生物医学工程学系 陕西 西安 710032空军军医大学军事生物医学工程学系 陕西 西安 710032解放军联勤保障部队药品仪器监督检验总站 北京 100071空军军医大学唐都医院放射科 陕西 西安 710038空军军医大学军事生物医学工程学系 陕西 西安 710032空军军医大学军事生物医学工程学系 陕西 西安 710032
医药卫生
膀胱癌分割字典学习磁共振成像(MRI)
《中国医学装备》 2021 (11)
1-5,5
国家自然科学基金面上项目(81871424)"基于多模态MR影像的胶质母细胞瘤高危区域定位及预后预测研究"
评论