文章目录
- Diffusion Kinetic Model for Breast Cancer Segmentation in Incomplete DCE-MRI
- 摘要
- 方法
- 实验结果
Diffusion Kinetic Model for Breast Cancer Segmentation in Incomplete DCE-MRI
摘要
- 针对现有方法需要完整时间序列数据(尤其是增强后图像)的问题,DKM仅利用预增强图像就能进行有效的乳腺癌分割。
- DKM隐式地利用了DCE-MRI的血流动力学先验信息,通过建立血流动力学响应函数(HRF)与去噪扩散过程(DDP)之间的关系来实现高质量的分割。
- DKM由扩散模块(DM)和分割模块(SM)组成,DM可以学习到癌症的血流动力学信息,并提供一个潜在的动力学编码来辅助SM进行分割。
实验结果表明,与现有需要完整时间序列的方法相比,DKM仅利用预增强图像就能达到更高的分割性能和鲁棒性。
代码地址
方法
该图说明了血流动力学响应函数(HRF)和去噪扩散过程(DDP)之间的关系。
输入为预增强图像x0。
首先经过一个扩散模块(Diffusion Module, DM),DM能够学习到组织的血流动力学特征,并生成一个潜在的动力学编码(Kinetic Code)。
这个动力学编码包含了血流动力学信息,然后被送入分割模块(Segmentation Module, SM)。
SM利用动力学编码辅助完成乳腺癌的精准分割,得到最终的分割结果。
实验结果
