利用卷积神经网络时空集成进行输尿管镜管腔分割

目的：输尿管镜是诊断和治療上尿路尿路上皮癌（UTUC）的高效内镜微创技术。输尿管镜术中，中空管腔的自动分割至关重要，因其指示了内镜应遵循的路径。为获得准确的中空管腔分割，本文提出一种基于卷积神经网络（CNNs）的自动方法。方法：所提方法基于 4 个并行 CNN 的集成，以同时处理单帧与多帧信息。其中，两种架构作为核心模型，即基于残差块的 U-Net（$m_1$）和 Mask-RCNN（$m_2$），以单静止帧 $I(t)$ 作为输入。另两个模型（$M_1$、$M_2$）为前两者的改进，增加了利用 3D 卷积处理时间信息的阶段。$M_1$、$M_2$ 以三帧序列（$I(t-1)$、$I(t)$、$I(t+1)$）作为输入，产生 $I(t)$ 的分割。结果：所提方法使用来自 6 名患者的 11 段视频（2,673 帧）的自定义数据集进行评估，数据经收集并人工标注。我们获得 0.80 的 Dice 相似系数，优于既往最优方法。结论：所得结果表明，时空信息可被集成模型有效利用，以改善输尿管镜图像中的中空管腔分割。该方法在能见度差、偶发出血或镜面反射情况下同样有效。