一种基于判别字典学习的膀胱肿瘤分割方法研究

作者：李子奇; 董琪; 徐桓; 田强; 徐肖攀; 刘洋^*

来源：中国医学装备, 2021, 18(11): 1-5.

• 膀胱癌
• 分割
• 字典学习
• 磁共振成像(MRI)

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。

• 出版日期2021
• 单位中国人民解放军空军军医大学; 唐都医院放射科