基于对抗学习和多尺度特征融合的前列腺MR图像分割*

陈爱莲，丁正龙，詹 曙

(1.合肥工业大学计算机与信息学院，安徽 合肥 231009； 2.安徽信息工程学院，安徽 芜湖 241000)

1 引言

相关研究表明，前列腺癌是近几十年来最常见的癌症之一，已成为导致美国男性癌症死亡的第二大疾病，中国男性前列腺癌的发病率近年来也呈上升趋势[1]。磁共振MR(Magnetic Resonance)图像由于其良好的空间分辨率和对比度成为了检测前列腺形状和位置的主要手段。在前列腺癌的临床诊断中，医生需要将感兴趣区域从整个MR图像中分离出来，这个分割的过程可以提取包括器官的相对位置、形状、体积和异常等有意义的信息。然而经验丰富的放射科医师的手动分割是基于目视的逐个切片的检查，这个过程不仅费时费力，而且不适用于大样本的评估[2]。在过去的几十年里，相关研究者们已经提出了许多用于医学图像中各种器官或组织的分割算法，但是由于以下原因，前列腺MR图像的分割仍是一个具有挑战性的任务：(1) 前列腺组织的大小、形状和位置在不同病患或者相同病患不同时间的不同切片中是变化的；(2) 医学成像装置和病人的特异性共同作用产生的强度不均匀场会使前列腺与邻近组织的对比度较低，导致它们的边界难以区分；(3) 前列腺MR图像中属于前列腺的区域较小，相对来说能够提取到的有效信息较少。

针对上述问题，研究者们提出了多种针对前列腺MR图像的分割方法，但传统的基于边缘、区域或形状模型的分割方法严重依赖手工特征的质量或先验知识的引入。……