BTS-GAN:基于MRI和条件对抗性网络的乳腺肿瘤计算机辅助分割系统

本文主要是介绍BTS-GAN:基于MRI和条件对抗性网络的乳腺肿瘤计算机辅助分割系统,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

BTS-GAN: Computer-aided segmentation system for breast tumor using MRI and conditional adversarial networks

  • BTS-GAN:基于MRI和条件对抗性网络的乳腺肿瘤计算机辅助分割系统
    • 背景
    • 贡献
    • 实验
    • 方法
      • Parallel dilated convolution module(并行扩展卷积模块)
    • 损失函数

BTS-GAN:基于MRI和条件对抗性网络的乳腺肿瘤计算机辅助分割系统

Engineering Science and Technology, an International Journal 36 (2022) 101154

背景

乳腺肿瘤是诊断癌症最突出的指标之一。肿瘤的精确分割对于提高癌症检测的准确性至关重要。医生对核磁共振扫描的评估是耗时的,需要大量的人力和专业知识。此外,传统的医学分割方法经常需要先验信息或手动特征提取,从而导致主观诊断。

贡献

首先,我们为生成器使用了编码器和解码器之间具有跳过连接的编码器-解码器深度网络,以提高定位效率。其次,我们利用平行扩张卷积(PDC)模块来保留各种大小质量的特征,并有效地提取关于质量的边缘和内部纹理的信息。第三,在cGAN的损失函数中加入了一个额外的分类相关约束,以减轻基于分类的图像到图像(I2I)翻译任务中难以收敛的挑战。我们提出的模型的生成器侧学习检测肿瘤并构建二元掩模,而鉴别器学习区分基本真相和合成掩模,从而驱动生成器生成尽可能真实的掩模。
(1)本研究首次将cGAN架构与DCE-MRI图像一起用于乳腺肿瘤分割,
(2)PDC模块用于利用图像的多尺度和上下文信息,在不降低特征图分辨率的情况下,以不同的扩张率不断扩展感受野,
(3)我们在损失函数中添加了与分类相关的约束对cGAN进行正则化,使其更有效地解决医学图像的语义分割(SS)任务。
(4)我们的分割方法在公共数据集上取得了比U-Net更好的性能,并改进了U-Net。

实验

RIDER(用于评估治疗反应的参考图像数据库)该数据集包括对不同患者的DCE-MRI扫描,并进行了地面实况分割。地面实况分割部分已由领域专家手动标记。每次扫描的尺寸为288 x 288。数据集采用DICOM格式,每次扫描有60个切片。实验总共使用了500次带有真实面具的乳房MRI扫描,按80:20的比例分别用于训练(400)和测试(100)。由于数据集的数量相对较少,因此在该数据集的实验中采用了五倍交叉验证。增加了训练分割(通过水平和垂直随机翻转、旋转、变化尺度、伽玛校正),将数据集大小增加到3200。数据集已经过预处理,并被重塑为256 x 256的维度。
在这里插入图片描述
在这里插入图片描述

方法

我们提出的BTS-GAN是一种基于cGAN的监督学习方法,需要输入图像和目标图像成对的数据。假设“A”是我们的源图像,“B”是我们在分割问题中的基本事实(二进制掩码)。BTS-GAN的生成器试图生成应该类似于B的二进制掩码。相反,BTS-GAN的鉴别器网络学习生成的掩码是否与B相同,即,真掩码还是假掩码。生成器具有单个图像作为其输入和输出,而鉴别器接收来自生成器的生成输出及其对地实况作为输入,并尝试对该值进行评分。生成器的得分被计算为对抗性得分,该对抗性得分提供了学习和输出正确分割(二进制掩码)的潜力。这两个网络在最小-最大两人博弈论中相互竞争。
在这里插入图片描述

Parallel dilated convolution module(并行扩展卷积模块)

三个平行的卷积分支组成PDC模块。特别地,具有不同膨胀率的几个膨胀卷积级联在PDC模块的一个分支中,这提高了各种尺度目标的特征图的代表性。然后逐元素添加每个分支的输出,以实现多尺度特征融合。图3详细说明了PDC模块。在第一个分支中,使用简单的3 x 3卷积来实现特征采样。两个和三个3×3卷积运算分别级联在第二和第三分支中。在第二个分支中,基本的3×3卷积和速率为2的扩张卷积依次级联。最后一个分支中的三个3 x 3卷积层的收缩率分别为1、2和3。因此,PDC模块保留了图像中的多尺度和上下文信息,同时最大限度地减少了由单个扩张卷积引起的周围像素中的信息损失。
在这里插入图片描述

损失函数

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

这篇关于BTS-GAN:基于MRI和条件对抗性网络的乳腺肿瘤计算机辅助分割系统的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/417371

相关文章

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Linux系统配置NAT网络模式的详细步骤(附图文)

《Linux系统配置NAT网络模式的详细步骤(附图文)》本文详细指导如何在VMware环境下配置NAT网络模式,包括设置主机和虚拟机的IP地址、网关,以及针对Linux和Windows系统的具体步骤,... 目录一、配置NAT网络模式二、设置虚拟机交换机网关2.1 打开虚拟机2.2 管理员授权2.3 设置子

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

Linux系统中卸载与安装JDK的详细教程

《Linux系统中卸载与安装JDK的详细教程》本文详细介绍了如何在Linux系统中通过Xshell和Xftp工具连接与传输文件,然后进行JDK的安装与卸载,安装步骤包括连接Linux、传输JDK安装包... 目录1、卸载1.1 linux删除自带的JDK1.2 Linux上卸载自己安装的JDK2、安装2.1

SpringIntegration消息路由之Router的条件路由与过滤功能

《SpringIntegration消息路由之Router的条件路由与过滤功能》本文详细介绍了Router的基础概念、条件路由实现、基于消息头的路由、动态路由与路由表、消息过滤与选择性路由以及错误处理... 目录引言一、Router基础概念二、条件路由实现三、基于消息头的路由四、动态路由与路由表五、消息过滤

SpringBoot使用OkHttp完成高效网络请求详解

《SpringBoot使用OkHttp完成高效网络请求详解》OkHttp是一个高效的HTTP客户端,支持同步和异步请求,且具备自动处理cookie、缓存和连接池等高级功能,下面我们来看看SpringB... 目录一、OkHttp 简介二、在 Spring Boot 中集成 OkHttp三、封装 OkHttp

Linux系统之主机网络配置方式

《Linux系统之主机网络配置方式》:本文主要介绍Linux系统之主机网络配置方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、查看主机的网络参数1、查看主机名2、查看IP地址3、查看网关4、查看DNS二、配置网卡1、修改网卡配置文件2、nmcli工具【通用

Linux系统之dns域名解析全过程

《Linux系统之dns域名解析全过程》:本文主要介绍Linux系统之dns域名解析全过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、dns域名解析介绍1、DNS核心概念1.1 区域 zone1.2 记录 record二、DNS服务的配置1、正向解析的配置

C++字符串提取和分割的多种方法

《C++字符串提取和分割的多种方法》在C++编程中,字符串处理是一个常见的任务,尤其是在需要从字符串中提取特定数据时,本文将详细探讨如何使用C++标准库中的工具来提取和分割字符串,并分析不同方法的适用... 目录1. 字符串提取的基本方法1.1 使用 std::istringstream 和 >> 操作符示

使用Python高效获取网络数据的操作指南

《使用Python高效获取网络数据的操作指南》网络爬虫是一种自动化程序,用于访问和提取网站上的数据,Python是进行网络爬虫开发的理想语言,拥有丰富的库和工具,使得编写和维护爬虫变得简单高效,本文将... 目录网络爬虫的基本概念常用库介绍安装库Requests和BeautifulSoup爬虫开发发送请求解