超声图像中前列腺癌的配准增强分割方法
图像与视频处理
2025-02-04 v1 人工智能
计算机视觉与模式识别
摘要
前列腺癌是男性癌症相关死亡的主要原因之一，早期检测可显著提高生存率。尽管MRI-TRUS融合活检通过结合MRI的详细可视化与TRUS的实时引导提供了更高的准确性，但该过程复杂且耗时，严重依赖手动标注，可能导致错误。为解决这些挑战，我们提出了一种基于MRI-TRUS融合的全自动分割方法，可直接在TRUS图像中识别前列腺肿瘤，无需手动标注。与依赖简单数据拼接的传统多模态融合方法不同，我们的方法集成了一个配准-分割框架，以对齐并利用MRI和TRUS模态之间的空间信息。这种对齐提高了分割精度，并减少了对人工操作的依赖。我们的方法在斯坦福医院1,747名患者的数据集上进行了验证，平均Dice系数达到0.212，优于仅使用TRUS（0.117）和简单MRI-TRUS融合（0.132）的方法，且具有显著改进（p < 0.01）。该框架展示了降低前列腺癌诊断复杂性的潜力，并提供了一个适用于其他多模态医学成像任务的灵活架构。
引用
@article{arxiv.2502.00712,
title = {Registration-Enhanced Segmentation Method for Prostate Cancer in Ultrasound Images},
author = {Shengtian Sang and Hassan Jahanandish and Cynthia Xinran Li and Indrani Bhattachary and Jeong Hoon Lee and Lichun Zhang and Sulaiman Vesal and Pejman Ghanouni and Richard Fan and Geoffrey A. Sonn and Mirabela Rusu},
journal= {arXiv preprint arXiv:2502.00712},
year = {2025}
}