中文标题：面向稀疏辐射观测的无监督三维医学图像分割方法

英文标题：Unsupervised 3D Medical Image Segmentation With Sparse Radiation Measurement

来源期刊：电子与信息学报

基金项目：国家自然科学基金面上项目 62171232，江苏省中医肛肠疾病临床医学创新中心重点项目 GCCXZX-2021，南京市卫生科技发展专项资金重点项目ZKX24046，国家中医药管理局监测统计中心2025 年度中医药监测统计研究课题

作  者：俞晓帆^{1, 2, 3, 4} 邹兰兰^{1, 2, 3, 4} 顾文琦^{1, 2, 3, 4} 蔡君^{1, 2, 3, 4} 康彬^{1, 2, 3, 4} 丁康^{1, 2, 3, 4}

作者单位：1. 南京邮电大学通信与信息工程学院 南京 210003
2. 南京邮电大学物联网学院 南京 210003
3. 南京市中医院全国肛肠诊疗中心 南京 210022
4. 南京中医药大学人工智能与信息技术学院 南京 210023

摘  要：神经衰减场是一种具有前景的三维医学图像重建方法，此方法利用稀疏辐射测量实现与完整观察相接近的重构精度。本文提出了一种无监督三维医学影像分割方法，将无监督分割与神经衰减场集成为一个端到端的网络架构。具体而言，所提出的网络架构包括两个阶段：稀疏测量重建和交互式三维图像分割。两个阶段可通过联合学习自适应实现互惠优化。为解决类似肛肠等复杂病灶中边界模糊和区域过度扩展的难题，所提三维分割网络的交互式三维分割阶段设计了密度引导模块，有效利用衰减系数的先验知识，调节密度感知的注意力机制，提升三维分割泛化性能。通过与南京市中医院合作构建的结直肠癌数据集以及两个公开数据集上的大量实验证明所提出方法的优越性，例如与基于全辐射观测的SAM-MED3D算法相比，所提出的网络仅使用14%稀疏观测值，在三个数据集的平均 Dice 系数提升 2.0%。

全文链接： https://jeit.ac.cn/cn/article/doi/10.11999/JEIT250841