82、医学图像分割技术：神经隐式分割函数与多模态融合模块

医学图像分割技术：神经隐式分割函数与多模态融合模块

在医学图像分析领域，图像分割技术对于疾病的诊断和治疗规划起着至关重要的作用。本文将介绍两种先进的医学图像分割方法：神经隐式分割函数（NISF）和多模态融合模块（MFM），并详细探讨它们的原理、实验结果以及应用前景。

神经隐式分割函数（NISF）

1. 数据概述

实验使用的数据集来自英国生物银行短轴心脏MRI采集数据的随机子集，包含1150名受试者。数据集划分如下：
| 数据集用途 | 受试者数量 |
| ---- | ---- |
| 先验训练 | 1000 |
| 验证 | 50 |
| 测试 | 100 |

这些（3D + t）短轴体积本质上是各向异性的，在空间维度上具有广泛的形状和像素间距。除了将强度归一化到[0, 1]范围外，未对图像进行其他预处理。由于（3D + t）体积的高维度，手动注释耗时过长，因此使用训练好的最先进分割CNN生成的合成分割作为真实形状。每个扫描中的感兴趣对象由三个不同且相互排斥的子区域组成：左心室（LV）血池、LV心肌和右心室（RV）血池。

2. 实现细节

• 架构 ：由8个残差层组成，每个层有128个隐藏单元。
• 潜在代码 ：受试者潜在代码有128个可学习参数。
• 训练 ：使用Pytorch实现，在NVIDIA A40 GPU上训练1000个epoch，大约持续9天。
• 推理