基于扩散动力学模型的乳腺癌在不完整DCE-MRI中的分割

Diffusion Kinetic Model for Breast Cancer Segmentation in Incomplete DCE-MRI

摘要

1. 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。
2. 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。
3. 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