深睿医疗新多模态MRI融合网络助力鼻咽癌自动精准分割
01
鼻咽癌（NPC）是一种恶性肿瘤，其病因尚不明确。研究表明，早期发现和诊断NPC的患者将具有更高的10年生存率，而晚期患者的中位生存期仅为3年。因此，提供及时有效的治疗在降低鼻咽癌的死亡率中起着至关重要的作用。放射疗法是NPC的主要治疗手段，它高度依赖医学图像，例如磁共振图像（MRI），以准确描绘出将正常邻近组织与病变区域分开的总肿瘤体积，从而降低辐射损伤。目前，临床医生需要在制定放射治疗计划之前逐层地手动标记NPC的边界，这既费时又费力。手动分割的质量在很大程度上仅依靠临床医生的经验，无法保证治疗效果。此外，单模态MRI通常无法提供足够的信息来准确描绘轮廓。因此，迫切需要对鼻咽癌进行自动准确的分割，以提高医生临床诊疗效率。
图1: 研发的多模态MRI融合网络框架
为此，深睿医疗与上海交通大学合作的科研成果《MMFNet: A Multi-modality MRI Fusion Network for Segmentation of Nasopharyngeal Carcinoma》里提出了一种新颖的多模态MRI融合网络（MMFNet），利用MRI的T1，T2和对比增强的T1来完成NPC的精确分割。MMFNet的主干被设计为基于多编码器的网络，该网络由多个编码器和一个解码器组成，其中编码器旨在捕获特定于模态的特征，而解码器将获得用于NPC分割的融合特征。提出了由3D卷积块注意模块（3D-CBAM）和残差融合块（RFBlock）组成的融合块。3D-CBAM重新校准了从模态专用编码器捕获的低级特征，以突出显示信息性特征和感兴趣区域（ROI），而RFBlock融合了重新加权的特征，以保持融合的特征与解码器的高级特征之间的平衡。
此外，还提出了一种称为自转移的训练策略，该策略利用预先训练的特定于形式的编码器来初始化基于多编码器的网络，以便从多形式MRI中充分挖掘各个信息。所提出的基于多模式MRI的方法可以有效地分割NPC，并且其优势已通过大量实验得到了验证。
深睿医疗聚焦临床实践，面对临床中更多难题，充分发挥深睿医疗在人工智能算法方面的优势，不断研发出适配各种相关疾病的先进算法，以满足临床应用需求。
▲王利生教授、博士生导师
上海交通大学电子信息与电气工程学院
这篇科研成果聚焦于设计多模态影像特征融合的深度网络模型来分割鼻咽癌区域，对鼻咽癌的定量分析及放疗规划具有重要的临床意义。
▲刘小青博士
深睿医疗算法总监
医疗人工智能在众多前沿技术中，更注重临床与实践经验的结合，解决临床实际痛点。这一科研成果旨在运用前沿科研算法，提升有效治愈率，降低鼻咽癌死亡率。
截止到目前为止，深睿研究院已发表近百篇学术论文，累计影响因子已达140，彰显出深睿医疗强大的科研能力。 深睿医疗将全力促进科研成果快速向临床应用转化，秉承创新之心，在医学人工智能领域不断探索和前行，发掘医学AI在医疗领域的应用场景。深睿医疗深耕智慧医疗领域，让看病不再困难。
被收录文章
■MMFNet: A Multi-modality MRI Fusion Network for Segmentation of Nasopharyngeal Carcinoma，Neurocomputing
Huai Chen，Yuxiao Qi，Yong Yin，Tengxiang Li，Xiaoqing Liu，Xiuli Li，Guanzhong Gong，Lisheng Wang