73、用于多模态非对比 MRI 肝脏肿瘤量化、分割与不确定性预测的边缘感知多任务网络

用于多模态非对比 MRI 肝脏肿瘤量化、分割与不确定性预测的边缘感知多任务网络

1. 引言

肝脏肿瘤的多指标量化（如最大直径、中心点坐标和面积）、分割以及不确定性预测，对患者的预后和治疗具有重要意义。在临床中，医生通常通过视觉分析对比增强 MRI 图像（CEMRI）来手动进行分割和量化。然而，CEMRI 存在毒性、成本高和耗时等缺点，且手动标注医学图像需要专业知识，劳动强度大、主观性强且易产生差异。

目前，虽然有许多关于肝脏肿瘤分割或量化的研究，但这些研究大多局限于单一任务，忽略了多任务之间的约束和相互促进关系。同时，现有的方法缺乏有效的多模态 MRI 融合机制，难以准确捕捉肝脏肿瘤的边界信息，也缺乏关联的多任务框架。

为了解决这些问题，研究提出了边缘感知多任务网络（EaMtNet），该网络可同时实现肝脏肿瘤的多指标量化、分割和不确定性预测。其主要贡献包括：
1. 首次在多模态非对比 MRI 上同时实现肝脏肿瘤的多指标量化、分割和不确定性预测，提供了一种省时、可靠且稳定的临床工具。
2. 通过 Sobel 滤波器提取的边缘信息作为先验知识，增强了肿瘤边界的权重。
3. 新颖的边缘感知特征聚合（EaFA）模块通过捕捉特征图和边缘图之间的长距离依赖关系，使 EaMtNet 具有边缘感知能力，实现特征融合。

2. 方法

EaMtNet 采用创新方法，在多模态非对比 MRI 上同时进行肿瘤多指标量化、分割和不确定性预测。具体步骤如下：

2.1 CNN 编码器进行特征提取

将多模态非对比 MRI（T2FS 和 DWI）输入到两个并行编码器和 Sobel 滤波器中，分别提取特