结合形状先验与对抗网络正则化的儿童 MR 图像多结构骨骼分割

儿童肌肉骨骼系统的形态学与诊断评估在临床实践中至关重要。然而，大多数分割模型在稀缺的儿童成像数据上表现不佳。我们提出了一种新颖的预训练正则化卷积编码器-解码器网络，用于分割异质儿童磁共振（MR）图像这一具有挑战性的任务。为此，我们为分割网络设计了一种新颖的优化方案，该方案在损失函数中加入了额外的正则化项。为了获得全局一致的预测，我们引入了基于形状先验的正则化，该先验由自编码器学习的非线性形状表示导出。此外，还集成了由判别器计算的对抗正则化，以鼓励精确的轮廓勾画。所提方法在两个来自踝关节和肩关节的稀缺儿童成像数据集（包含病理及健康检查）上进行了多骨骼分割任务的评估。所提方法在 Dice、灵敏度、特异度、最大对称表面距离、平均对称表面距离和相对绝对体积差指标上优于或等同于先前提出的方法。我们说明所提方法可轻松集成到各种骨骼分割策略中，并能提高在大型非医学图像数据库上预训练模型的预测精度。所得结果为儿童肌肉骨骼疾病的管理带来了新视角。