基于条件生成对抗网络的低级别胶质瘤MR图像分割

针对深度学习算法在脑肿瘤分割中存在标记数据不足的问题,提出了一种基于条件生成对抗网络(CGAN)的低级别胶质瘤(LGG)磁共振(MR)图像自动分割方法。首先,使用原始数据集训练CGAN并生成LGG图像以扩充原始数据集;然后,利用生成图像预训练分割网络;最后,在预训练模型的基础上训练分割模型。实验结果表明,相比常规数据扩充方法,本方法的Dice系数提高了4.39%,Jaccard指数提高了4.42%,为基于MR图像的LGG分割计算机铺助诊断系统提供了参考。