目的 针对常见方法对脑胶质瘤的肿瘤分割和生存预测需要单独建模的问题,提出一种带有变分自编码器(variational auto-encoder,VAE)分支的两阶段级联U-Net算法,旨在分割肿瘤的同时提取鲁棒的特征预测患者生存期,有助于患者的精准治疗.方法 提出的两阶段级联U-Net网络,第1阶段实现初步粗分割,第2阶段实现精细化分割.此外,在第2阶段添加变分自编码器分支以提取更加鲁棒的特征并提高模型泛化性.其中,变分自编码器分支获取的特征被送入随机森林算法以进行生存期预测.另外,在两个阶段的解码器部分都添加了SE(squeeze-and-excitation)-残差模块以及注意力门模块,提高了分割精度.结果 在Brain Tumor Segmentation(BraTS)竞赛官网分别评估了本文方法在BraTS2020验证集上分割以及总体生存期预测两大任务的结果,本文算法在该验证集的全肿瘤区域、肿瘤核心区域以及增强型肿瘤区域分别取得了90.66％、85.09％和79.02％的Dice相似系数.相较3DU-Net在3个肿瘤子区域的Dice相似系数分别提高了4.3％、1.37％和5.36％.对于总体生存期的预测准确率达到了55.2％,相较性能最佳算法的预测准确率虽然低3.4％,但是从均方误差这一评估指标来看略有优势.结论 为了防止出现过拟合,提出带有VAE分支的两阶段级联U-Net网络结构,同时该分支能够提取肿瘤的鲁棒特征用于后续生存分析.实验表明,该网络能够较为准确地分割脑肿瘤,并且其提取的特征能够准确地预测患者生存期,可以为临床医生进行脑胶质瘤诊断提供有力的参考.

脑胶质瘤3维自动分割;生存期预测;级联神经网络;变分自编码器;注意力机制

南京信息工程大学人工智能学院医学人工智能联合研究院, 南京 210044;东部战区总医院影像科, 南京 210002

[1]余力;刘宵雪;闫朝阳;李建瑞;张志强;黄韫栀;徐军-.面向多模态MRI脑胶质瘤区域三维分割与生存期预测的级联U-Net网络)[J].中国图象图形学报,2022(03):850-861

脑胶质瘤,生存期预测,Net,常见方法,肿瘤分割,生存预测,有变,变分自编码器,variational,auto,encoder,VAE,两阶段,同时提取,特征预测,精准治疗,模型泛化性,送入,随机森林算法,解码器,SE,squeeze,excitation,残差模块,注意力门,门模块,Brain,Tumor,Segmentation,官网,BraTS2020,验证集,总体生存期,大任务,肿瘤区,核心区域,增强型,Dice,相似系数,3DU,瘤子,子区域,预测准确率,最佳算法,均方误差,防止出现,过拟合,出带,征用,生存分析,脑肿瘤,临床医生,自动分割,级联神经网络,注意力机制

0.355146