山东大学学报(工学版)

作者：李伟豪,王苹苹,许万博,魏本征

单位：1.山东中医药大学医学人工智能研究中心, 山东 青岛 266112;2.山东中医药大学青岛中医药科学院, 山东 青岛 266112;3.青岛市中医人工智能技术重点实验室, 山东 青岛 266112;4.山东大学齐鲁医院德州医院, 山东 德州 253046

关键词：腰椎,磁共振成像,多模态,多类别分割,图卷积神经网络,

基金：国家自然科学基金资助项目(62372280,61872225);山东省自然科学基金资助项目(ZR2020KF013,ZR2019ZD04);青岛市科技惠民示范专项资助项目(23-2-8-smjk-2-nsh);齐鲁卫生与健康领军人才资助项目

为挖掘腰椎磁共振成像(magnetic resonance image, MRI)图像中多种模态信息的相关性、腰椎结构间的相互依赖关系、腰椎结构先验知识对腰椎精准分割和疾病辅助诊断的重要价值,提出一种结构先验引导的多模态信息融合分割算法。设计的多模态图像编码模块(multi-modality encoding module, MMEM)可同时对T1和T2加权图像做语义特征提取;跨模态体素融合模块(cross-modality voxel fusion module, CMVF)可在融合过程中为各模态图像特征自适应分配融合权重。根据腰椎内部各组织结构间的先验知识构建图模型,利用图卷积神经网络分割模块(graph convolutional networks segmentation module,GCNSM)实现图模型上的语义信息传播。采用多模态图像解码模块(multi-modality decoding module, MMDM)对特征图进行解码,实现对椎体及椎间盘的精准图像分割。对山东大学齐鲁医院德州医院采集的190组患者MRI数据集进行试验验证,所设计算法的平均骰子系数Dice、交并比IoU、95% Hausdorff距离HD95和平均对称表面距离ASSD分别为90.3%、82.31%、4.40 mm和1.21 mm,结果表明了算法的有效性及先进性。

来源：2025年第1期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2025年第1期