半解纠缠分割网络

缺PET仍可分割

通过共享肿瘤特征与GAN补偿,摆脱解剖一致性约束,在仅有CT时实现与双模态相当的分割。

Diao, Zhaoshuo · 姜慧研 · Shi, Tianyu · Yao, Yudong

Expert Systems with Applications 2023

参数信息

数据集数量
3
对比方法类型
2

技术优势

缺失PET仍准确

只共享高层肿瘤特征,并用GAN从CT生成合成PET补偿低层信息,使仅CT输入能取得与双模态相当的结果。

避开解剖一致性约束

半解纠缠丢弃的纠缠信息由GAN补偿,因此不再需要解剖信息一致性假设,避免了传统解纠缠在此问题上的失败。

保留更多肿瘤信息

GAN在生成合成PET时受半解纠缠引导,更关注肿瘤特征,避免忽略对分割关键的信息。

优于同类方法

在缺失PET模态的推理阶段,本方法在三个数据集上的分割结果优于其他解纠缠和生成网络。

应用场景