基于获取时间信息的乳腺肿瘤动态对比增强MRI分割

动态对比增强磁共振成像（DCE-MRI）在乳腺癌筛查、肿瘤评估以及治疗计划与监测中发挥着重要作用。组织在不同时间段的对比强度变化有助于在后期对比图像中凸显肿瘤。然而，不同的获取协议和个体因素导致即使在同一阶段（例如，第一阶段对比后）的图像组织外观差异很大，使得自动化肿瘤分割具有挑战性。本文提出一种肿瘤分割方法，该方法利用图像获取时间知识来调制根据特定获取序列调制模型特征。我们采用特征级线性调制（FiLM）层，将获取时间纳入模型中，这是一种轻量级的方法，用于包含时间信息，同时也允许充分利用每个影像研究获取的可变数量的图像。在大型公共多中心乳腺DCE-MRI数据集上，我们对基线模型和不同配置的时间调制模型进行了训练， backbone 架构不同。在同一领域内的图像和公共外域数据集上的评估表明，纳入获取阶段时间知识可以改善肿瘤分割性能和模型泛化能力。