新闻网讯（通讯员桂袁）计算机学院杜博教授带领的机器学习小组在医学人工智能方面的研究取得了新进展。日前，该团队在全球核磁共振医学图像前列腺分割大赛（PROMISE12）中，以89.1772分的成绩荣获总冠军。团队成员包括：2017级博士研究生朱其奎、美国伦斯勒理工学院闫平昆博士。
前列腺相关疾病是男性常见疾病，其中前列腺癌发病率在我国中老年恶性肿瘤中居于第二位, 且死亡率较高, 严重威胁着中老年男性的生命安全。核磁共振影像（MRI）检查是诊断前列疾病的重要检查方法之一, 它具有较好的组织分辨率和多参数成像的特点, 能够清晰地显示前列腺及周围组织的解剖关系, 可准确评估前列腺癌术前分期及转移情况。但传统的人工逐切片前列腺分割是一项非常耗时耗力的工作，分割精度受专家个人经验的影响很大。因此，临床应用中迫切需要智能化的前列腺自动分割方法。
▲MRI前列腺分割面临的挑战：(a)前列腺区域存在大量的伪影；(b)前列腺边缘模糊；(c)前列腺周围的组织与前列腺拥有相似的特征分布。
PROMISE12（Prostate MR Image Segmentation）挑战赛由医学图像处理顶级会议International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI)组委会于2012年开始举办，目的是克服前列腺分割过程中的一系列难点，并提出精确的分割算法。比赛所提供的前列腺数据是从不同医疗机构的医疗设备采集所得，这些数据具有不同分辨率和特征。自2012年比赛举办以来，来自世界各地的不同科研团队和机构，不断刷新着实验精度。
▲部分分割结果。黄色轮廓线为专家标记结果，红色轮廓线为杜博团队所提方法分割结果。
针对前列腺分割中的难点和挑战，杜博团队提出了一种新型的网络框架，该框架采用一种更具优越性的Densely-connected Residual Blocks(DRBs)模块，能够克服随着网络的层数增加所带来的参数过多、难于训练、信息丢失、网络易于过拟合等问题。除此之外，团队还在网络中加入了Attention Module，该模块使得网络能够把“注意力”集中于前列腺区域并剔除噪声的影响，从而提升前列腺组织的分割精度。
比赛结果链接：
https://promise12.grand-challenge.org/evaluation/results/
（供图：朱其奎 编辑：黎妮晓宇）
