FED-UNet ++: Una red anidada mejorada para la segmentación del hipocampo en el diagnóstico de la enfermedad de...

Área de la Ciencia:

• Imágenes neurológicas
• Inteligencia artificial
• Análisis de imágenes médicas

Sus antecedentes:

• El hipocampo es crucial en la patología inicial de la enfermedad de Alzheimer.
• La segmentación precisa es vital para evaluar la atrofia cerebral y ayudar al diagnóstico.
• Los métodos actuales de segmentación por resonancia magnética se enfrentan a desafíos con límites indistintos y una representación de características limitada.

Objetivo del estudio:

• Proponer FED-UNet++, un marco mejorado para la segmentación del hipocampo.
• Abordar las limitaciones de las técnicas de segmentación basadas en resonancia magnética existentes.
• Mejorar la evaluación cuantitativa y el apoyo diagnóstico para la enfermedad de Alzheimer.

Principales métodos:

• Desarrollado FED-UNet ++ que incorpora el bloque de reconstrucción de características residuales (FRBlock) para detalles de límites.
• Pirámide de atención eficiente integrada (EAP) para la integración de características a varias escalas.
• Se utiliza la red de contexto de frecuencia dinámica (DFCN) para mejorar la captura de dependencias de largo alcance.

Principales resultados:

• FED-UNet++ logró un rendimiento superior en un conjunto de datos de referencia.
• Se obtiene una intersección sobre la Unión (IoU) del 74,95% y un coeficiente de dados del 84,43% ± 0,21%.
• Superó a los modelos de referencia en precisión y robustez para la segmentación del hipocampo.

Conclusiones:

• FED-UNet++ es muy eficaz para segmentar estructuras cerebrales pequeñas e intrincadas como el hipocampo.
• Proporciona una herramienta robusta y práctica para el análisis basado en resonancia magnética en enfermedades neurodegenerativas.
• Mejora las capacidades de diagnóstico para enfermedades como el Alzheimer.