换一批基于扩散循环一致性生成对抗网络的骨盆活跃骨髓区域分割方法
Diffusion cycle-consistent generative adversarial networks for pelvic active bone marrow segmentation
摘要目的 建立基于扩散循环一致性生成对抗网络的骨盆活跃骨髓(ABM)分割方法,突破传统解剖图谱方法个体化精度不足的技术瓶颈.方法 收集253例患者骨盆PET-CT数据,构建三阶段级联跨模态学习框架实现从CT到个体化ABM精准识别.首先通过循环一致性生成对抗网络建立CT-PET双向映射,采用9个残差模块学习跨模态特征关系.设计条件扩散模块基于1000步马尔可夫链实现渐进去噪,融合双向交叉注意力机制动态整合解剖与功能信息.最后构建多尺度渐进式特征金字塔分割网络,在4个尺度层级累积多模态特征实现ABM区域分割.采用峰值信噪比(PSNR)、结构相似性指数(SSIM)、归一化均方误差(NMSE)评估图像合成质量,Dice相似系数(DSC)、平均对称表面距离(ASSD)评估分割性能.结果 本方法均优于现有方法,PSNR达到26.42±0.63 dB,SSIM达到0.894±0.011,NMSE降至0.0235±0.0026.在ABM分割任务中,平均Dice系数达到0.777±0.023,ASSD降至3.52±0.41 mm.结论 与传统方法相比,该方法显著提高了个体化分割精度,适用于直肠癌个体化骨髓保护放疗的临床应用.
更多相关知识
关键词
直肠癌活跃骨髓扩散模型生成对抗网络图像分割rectal canceractive bone marrowdiffusion modelsgenerative adversarial networksimage segmentation
栏目名称
DOI
10.12122/j.issn.1673-4254.2026.01.24
发布时间
2026-01-22（万方平台首次上网日期，不代表论文的发表时间）
- 浏览3
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
