武汉大学Sigma团队（User Name:whu_mlgroup）朱其奎（指导教师：杜博教授、闫平昆教授（RPI））在前列腺分割研究中取得了新进展。该团队在全球核磁共振医学图像前列腺分割大赛 （PROMISE12）中，荣获该项赛事的总冠军。

PROMISE12由International Conference on Medical Image Computing and Computer Assisted Intervention 2012(MICCAI2012)国际医学图像处理顶会组委会于2012年举办，该项赛事的目的是为了克服前列腺分割过程中的难点，并提出一种精确的(semi)-automatic分割算法。比赛所提供的前列腺数据是从不同的医疗机构的医疗设备采集所得，数据具有不同分辨率和特征。自2012年比赛举办以来，实验精度不断的被刷新。2012年国际著名的医疗设备公司Imorphics以84.36分的成绩取得了第一名，经过4年以后，2016年香港中文大学的陈浩团队以86.65分的总成绩刷新了记录，在随后的两年中，陈浩团队一直处于领先的地位。直至2018年，我们团队提出了一种新型的网络框架，该网络框架采用了一种更具优越性的Densely-connected Residual Blocks(DRBs)模块，该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，我们在网络中加入了Attention Module，该模块使得我们所提出的网络能够将“注意力”用于前列腺区域并剔除了噪声的影响，从而提升前列腺区域的分割精度。目前，我们所提出了方法所获总分为89.18分，比第二名（飞利浦深度学习实验室团队）87.67分高出1.51分。目前，该实验所采用的方法已投稿于TIP（under view）。比赛结果见链接： https://promise12.grand-challenge.org/evaluation/results/

除该方法之外，我们团队还曾经提出两种不同的前列腺分割模型，详细内容可参考于：

Zhu Q, Du B, Turkbey B, et al. Deeply supervised CNN for prostate segmentation[C]

International Joint Conference on Neural Networks. IEEE, 2017:178-184.

Zhu, Qikui, et al. "Exploiting Inter-Slice Correlation for MRI Prostate Image Segmentation–from Recursive Neural Networks Aspect." Complexity 2018. vol. 2018, doi:10.1155/2018/4185279.

图一：前列腺分割面临的挑战：(a)前列腺区域存在大量的噪声；(b)前列腺边缘模糊；(c)前列腺周边的组织与前列腺的分布特征类似。

图二：部分分割结果。黄色轮廓线为专家标记结果，红色轮廓线为我们所提方法分割结果。