IEEE JBHI | 提出無監(jiān)督擴(kuò)散分割模型,突破多模態(tài)醫(yī)學(xué)圖像無監(jiān)督分割中解剖結(jié)構(gòu)拓?fù)鋵W(xué)習(xí)的難題
醫(yī)學(xué)圖像分割在計(jì)算機(jī)輔助診斷和治療計(jì)劃制定中起著至關(guān)重要的作用。無監(jiān)督分割方法能夠有效地利用無標(biāo)記數(shù)據(jù),在臨床應(yīng)用中具有重要的前景。
近日,中國科學(xué)院深圳先進(jìn)技術(shù)研究院醫(yī)工所秦文健研究員團(tuán)隊(duì)針對無監(jiān)督分割算法面臨的解剖結(jié)構(gòu)斷裂、連通錯(cuò)誤或邊界不連續(xù)等挑戰(zhàn)難題,創(chuàng)新性提出一種新的無監(jiān)督拓?fù)涓兄獢U(kuò)散凝聚網(wǎng)絡(luò)的醫(yī)學(xué)圖像分割方法(UTADC-Net),實(shí)現(xiàn)了在無需標(biāo)簽的條件下,能夠完成醫(yī)學(xué)多模態(tài)圖像的準(zhǔn)確分割。該成果以“UTADC-Net: Unsupervised Topological-Aware Diffusion Condensation Network for Medical Image Segmentation”為題發(fā)表在生物醫(yī)學(xué)健康信息學(xué)領(lǐng)域知名期刊IEEE Journal of Biomedical and Health Informatics上。
研究團(tuán)隊(duì)提出了一種全新的無監(jiān)督拓?fù)涓兄獢U(kuò)散凝聚網(wǎng)絡(luò)(UTADC-Net),用于多模態(tài)醫(yī)學(xué)圖像分割。具體而言,研究團(tuán)隊(duì)設(shè)計(jì)了一個(gè)基于擴(kuò)散-凝聚的學(xué)習(xí)框架,通過對像素間長程依賴關(guān)系的有效建模并引入拓?fù)浼s束,實(shí)現(xiàn)分割結(jié)果的結(jié)構(gòu)一致性。 首先,為充分融合局部細(xì)節(jié)與全局語義信息,團(tuán)隊(duì)提出以像素為中心的塊嵌入模塊,同時(shí)刻畫局部結(jié)構(gòu)特征和區(qū)域間交互關(guān)系。其次,為提升分割結(jié)果的拓?fù)湟恢滦?,團(tuán)隊(duì)引入自適應(yīng)拓?fù)浼s束機(jī)制,通過像素級拓?fù)潢P(guān)系及相應(yīng)損失函數(shù),引導(dǎo)網(wǎng)絡(luò)學(xué)習(xí)符合解剖結(jié)構(gòu)的對齊表示。
研究結(jié)果證實(shí)了UTADC-Net在邊界跟蹤和解剖結(jié)構(gòu)保持方面表現(xiàn)優(yōu)越,并驗(yàn)證了UTADC-Net對無監(jiān)督醫(yī)學(xué)圖像分割的積極影響,圖3中原始圖像與真實(shí)標(biāo)簽(左側(cè)兩列)展示了人體組織的真實(shí)結(jié)構(gòu)和醫(yī)生標(biāo)注的精細(xì)分割結(jié)果,為性能評估的基準(zhǔn)。UTADC-Net(最右列)表現(xiàn)出最優(yōu)性能:分割邊界精確貼合組織結(jié)構(gòu)輪廓,剖結(jié)構(gòu)拓?fù)浔3滞暾o斷裂或錯(cuò)誤連接),腫瘤區(qū)域識別準(zhǔn)確率顯著提高(綠色標(biāo)注區(qū)域與真實(shí)標(biāo)簽高度一致)。
中國科學(xué)院深圳先進(jìn)技術(shù)研究院秦文健研究員為通訊作者,博士生彭月為第一作者。中國科學(xué)院深圳先進(jìn)技術(shù)研究院謝耀欽研究員、深圳大學(xué)總醫(yī)院吳若岱主任醫(yī)師、睿心醫(yī)療馬駿博士、香港理工大學(xué)蔡璟教授為論文的共同作者。該研究獲得國家重點(diǎn)研發(fā)計(jì)劃、深圳市科技創(chuàng)新局、中國科學(xué)院青促會等項(xiàng)目支持。

圖1:文章上線截圖

圖2:所提出方法研究思路圖

圖3: 三個(gè)數(shù)據(jù)集(Retina, TopCow, BraTS)中不同模塊的可視化結(jié)果,沒有拓?fù)鋼p失,分割邊界變得不清晰,同時(shí),引入擴(kuò)散凝聚可以改善聚類效果,從而增強(qiáng)分割性能
附件下載: