基于深度学习的级联网络在PET/MR图像中前列腺癌自动检测与分割OACSTPCD
Automatic detection and segmentation of prostate cancer in PET/MR images based on cascaded deep learning network
目的:提出一种在镓68(68Ga)前列腺特异性膜抗原(68Ga-PSMA-11)正电子发射断层扫描与磁共振(PET/MR)图像上进行前列腺定位与前列腺癌病灶分割的级联网络,以解决前列腺癌病灶分割中的难题.方法:收集医院收治的125例前列腺疾病患者的PET/MR图像数据,按照8∶2的比例分配训练集和测试集,采用五折交叉验证,分别训练基础网络、MR网络和级联网络3个网络.基础网络和级联网络的二级网络是学习T2加权成像(T2WI)、弥散加权成像(DWI)、表观弥散系数(ADC)和PET的4种模态的语义分割(U-Net)网络;MR网络是仅学习MR的3种模态U-Net网络;级联网络的一级网络Faster-RCNN定位前列腺和精囊腺计算Dice系数值进行模型评估.结果:级联网络的Dice系数为0.76,基础网络和MR网络的Dice系数分别为0.73和0.62,结合分割结果视觉图,级联网络对前列腺癌病灶的检测更加准确.结论:级联网络相对于单个U-Net网络,可以更准确分割68Ga-PSMA-11 PET/MR图像上前列腺癌病灶,为临床对前列腺癌的定位诊断提供便利.
洪文威;徐磊;李如帅;孟庆乐;杨瑞;毛舟;蒋红兵
南京医科大学附属南京医院(南京市第一医院)核医学科 江苏 南京 210006南京医科大学附属南京医院(南京市第一医院)核医学科 江苏 南京 210006南京医科大学附属南京医院(南京市第一医院)核医学科 江苏 南京 210006南京医科大学附属南京医院(南京市第一医院)核医学科 江苏 南京 210006南京医科大学附属南京医院(南京市第一医院)核医学科 江苏 南京 210006南京医科大学附属南京医院(南京市第一医院)核医学科 江苏 南京 210006南京医科大学附属南京医院(南京市第一医院)临床医学工程处 江苏 南京 210006||南京市急救中心 江苏 南京 210003
特种医学
前列腺癌U-Net网络级联网络深度学习网络语义分割正电子发射断层扫描/磁共振(PET/MR)
《中国医学装备》 2023 (6)
18-22,5
南京市医学科技发展课题(QRX11033)"南京市卫生青年人才培养工程"2022年度南京市卫生科技发展专项资金(ZKX22036)"基于HYPER Iterative重建技术对68Ga-DOTANOC PET/CT图像质量研究"2020年度南京市卫生科技发展专项资金(YKK20104)"177Lu-DOTATOC靶向治疗神经内分泌肿瘤的内照射吸收剂量研究"
评论