DCE-MRI乳癌病変部の浸潤範囲描画精度が低く、構造形態の変化が大きく、強度が均一でなく境界コントラストが低いため、乳癌病変部の自動分割では精度低下と誤分割の問題が生じる。これに対し、本稿では二段階の乳癌病変部分割フレームワークを構築し、エンコーディングパスおよび末端にマルチスケールとNon-localを統合し、デコーディングパスに注意残差モジュールを構築する乳癌病変部分割モデルUTB-netを提案する。まず、ベースラインのU-netネットワークモデルを用いて乳房領域の大まかな描画を行い、胸筋、脂肪、心臓などの無関係な組織が乳癌分割に与える影響を除去する。次に、抽出したROIの結果に基づき、モデルのエンコーディングパスにマルチスケール情報融合とNon-localモジュールを埋め込む。最後に、デコーディングパスに注意残差ハイブリッドデコーディングモジュールを構築し、深層監督機構を導入して乳癌病変の分割精度を向上させる。実験結果は、ベースラインU-Netモデルと比較して乳癌分割指標DICE、IOU、SEN、PPVがそれぞれ4％、4.78％、5.92％、3.94％向上したことを示している。提案モデルは乳癌分割結果の向上に加え、小面積の誤分割および石灰化分割を減少させた。

DCE-MRI;分割;乳癌;U-net;注意;残差ネットワーク