SIAT新聞網(wǎng)
IEEE JBHI 封面文章 | 科研團(tuán)隊(duì)實(shí)現(xiàn)PET/MR雙模態(tài)全腦區(qū)自動(dòng)分割技術(shù)
腦區(qū)分割是醫(yī)學(xué)圖像處理的主要任務(wù)，對(duì)神經(jīng)科學(xué)研究和臨床診斷都有著深遠(yuǎn)的影響。精確的腦區(qū)分割對(duì)于分析不同的腦區(qū)至關(guān)重要，因?yàn)樗鼈兊捏w積、表面積和形態(tài)與各種神經(jīng)系統(tǒng)疾病有關(guān)，比如帕金森病和阿爾茨海默病等。PET/MR成像系統(tǒng)則是一種有效的腦部疾病診斷工具，它結(jié)合了PET代謝成像和MR結(jié)構(gòu)成像的優(yōu)點(diǎn)，可以在疾病早期觀察到特定大腦區(qū)域的代謝異常和結(jié)構(gòu)變化，從而將功能和代謝雙模態(tài)信息相結(jié)合用于腦疾病診斷。
然而，人工分割腦區(qū)圖像費(fèi)時(shí)費(fèi)力，且分割結(jié)果容易受到個(gè)體差異和操作人員主觀因素的影響。因此，急需引入自動(dòng)分割技術(shù)來解決分割中高成本和長(zhǎng)耗時(shí)的問題，促進(jìn)基于醫(yī)學(xué)影像的腦科學(xué)研究。
2025年3月，醫(yī)學(xué)成像科學(xué)與技術(shù)系統(tǒng)全國(guó)重點(diǎn)實(shí)驗(yàn)室、中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院醫(yī)學(xué)人工智能研究中心胡戰(zhàn)利研究員團(tuán)隊(duì)，開發(fā)了一種基于交叉融合機(jī)制的PET/MR雙模態(tài)全腦區(qū)自動(dòng)分割技術(shù)，該方法在分割過程中高效整合PET與MR的功能和結(jié)構(gòu)信息，實(shí)現(xiàn)了更精確、更全面的腦區(qū)分割。研究成果以“Automatic Brain Segmentation for PET/MR Dual-modal Images through a Cross-Fusion Mechanism”為題，發(fā)表在醫(yī)學(xué)成像領(lǐng)域TOP期刊IEEE Journal of Biomedical and Health Informatics上，論文同時(shí)被選為期刊2025年3月的“封面文章”。提出方法創(chuàng)新性地引入交叉融合機(jī)制，充分利用PET和MR的互補(bǔ)特性來實(shí)現(xiàn)腦區(qū)自動(dòng)分割，為醫(yī)學(xué)影像分析和神經(jīng)系統(tǒng)疾病的診斷提供了全新思路。
隨著人工智能技術(shù)的迅速發(fā)展，深度學(xué)習(xí)以其強(qiáng)大的特征表達(dá)能力活躍在計(jì)算機(jī)視覺的各個(gè)領(lǐng)域，也大量地被應(yīng)用于醫(yī)學(xué)圖像領(lǐng)域。深度學(xué)習(xí)方法通過對(duì)大量數(shù)據(jù)進(jìn)行學(xué)習(xí)，訓(xùn)練深層學(xué)習(xí)網(wǎng)絡(luò)，可以實(shí)現(xiàn)端到端的輸出，具有廣泛的應(yīng)用前景。然而，現(xiàn)有基于深度學(xué)習(xí)的方法在PET/MR腦區(qū)分割任務(wù)中仍存在一定局限性。單模態(tài)方法僅依賴單一信息源，難以提供完整的腦部結(jié)構(gòu)信息，而現(xiàn)有的雙模態(tài)方法大多只是將PET與MR數(shù)據(jù)簡(jiǎn)單拼接，缺乏深度融合，未能充分利用兩種模態(tài)的優(yōu)勢(shì)。因此，如何有效結(jié)合PET和MR信息，提高腦區(qū)自動(dòng)分割的精度和魯棒性成為了研究人員關(guān)注的重點(diǎn)。
研究團(tuán)隊(duì)提出了一種基于交叉融合機(jī)制的全腦區(qū)自動(dòng)分割方法，通過融合功能和結(jié)構(gòu)信息以提高腦區(qū)分割的準(zhǔn)確性。該網(wǎng)絡(luò)同時(shí)處理PET和MR圖像，在編碼部分，首先采用UX-Net進(jìn)行特征提取，然后利用基于交叉注意力機(jī)制的融合模塊進(jìn)行結(jié)構(gòu)和功能特征融合，以增強(qiáng)分割網(wǎng)絡(luò)對(duì)多模態(tài)信息的適應(yīng)性，提高分割效果。
實(shí)驗(yàn)從視覺、定量、臨床、額外數(shù)據(jù)驗(yàn)證以及消融實(shí)驗(yàn)五個(gè)方面展示分割結(jié)果，以驗(yàn)證模型的有效性。實(shí)驗(yàn)結(jié)果表明，所提出方法實(shí)現(xiàn)了精確的全腦區(qū)分割，有利于腦部疾病的臨床診斷和分析。該方法對(duì)其它多模態(tài)融合分割任務(wù)表現(xiàn)出良好的通用性和適用性，未來也可將該方法應(yīng)用于分割其它多模態(tài)或組織和器官的任務(wù)中。
中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院胡戰(zhàn)利研究員、河南省人民醫(yī)院王梅云副院長(zhǎng)為論文共同通訊作者，中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院碩士生唐紅艷、副研究員黃振興和博士生李文博為論文共同第一作者。該研究得到了國(guó)家自然科學(xué)基金（數(shù)學(xué)天元重點(diǎn)專項(xiàng)）、國(guó)家重點(diǎn)研發(fā)計(jì)劃（重大科學(xué)儀器設(shè)備研發(fā)重點(diǎn)專項(xiàng)）、廣東省自然科學(xué)基金（卓越青年團(tuán)隊(duì)項(xiàng)目）和深圳醫(yī)學(xué)科學(xué)院（原創(chuàng)探索項(xiàng)目）等項(xiàng)目的資助。
圖1：論文被選為IEEE JBHI期刊2025年3月封面文章
圖2：提出方法的總體技術(shù)路線圖
圖3：提出方法與現(xiàn)有分割方法效果對(duì)比
圖4：不同方法分割結(jié)果的SUV相關(guān)性評(píng)估
附件下載：
