结构先验引导的多模态腰椎MRI图像分割算法

摘要

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D_ice、交并比I_oU、95%Hausdorff距离H_D95和平均对称表面距离A_SSD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。

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