3D EAGAN:在跨直肠超声波图像中用于前列腺细分的3D边缘感知注意力产生对抗网络

科学领域:

• 医学成像和人工智能 医学成像和人工智能
• 前列腺癌的诊断和治疗
• 计算机辅助诊断系统 计算机辅助诊断系统

背景情况:

• 从跨直肠超声波 (TRUS) 图像进行手动前列腺细分对于前列腺癌管理至关重要,但耗时且费力.
• 现有的自动细分方法在TRUS图像中的前列腺边界模两可,强度分布不均等方面存在困难.
• 需要改进的算法来实现准确和高效的前列腺自主细分.

研究的目的:

• 在TRUS图像中开发一种高效的前列腺细分方法.
• 克服当前方法的局限性,特别是在边缘信息敏感性方面.
• 为前列腺癌诊断和治疗中的关键步骤提供自动化解决方案.

主要方法:

• 提出了一个三维 (3D) 边缘意识的注意力生成对抗网络 (3D EAGAN),包括一个边缘意识的细分网络 (EASNet) 和一个歧视网络.
• 该EASNet包含一个U-Net的骨干,细节补偿模块 (DCM),3D空间和道关注模块 (3D SCAM),边缘增强模块 (EEM) 和全局特征提取器 (GFE).
• EEM专注于轮和边缘信息,而DCM和3D SCAM在细分过程中增强了特征细节.

主要成果:

• 拟议的3DEAGAN方法显示了TRUS图像数据集的显著改进.
• 平均子得分从85.33%上升到90.06%,杰卡德得分从76.09%上升到84.11%.
• 豪斯多夫距离 (HD) 从8.59毫米减少到4.58毫米,精度和回忆得分也显示出显著的收益.

结论:

• 在TRUS图像中成功开发了一种基于EAGAN的新型3D前列腺细分方法.
• 该方法由EASNet和一个区分器组成,取得了令人满意的细分结果.
• 拟议的方法为临床环境中的前列腺自动细分提供了一个有前途的解决方案.