Video Experimental Relacionado
Updated: Sep 9, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
491
Hacia una segmentación genérica de múltiples órganos abdominales con múltiples conjuntos de datos parcialmente
Xiang Li1, Faming Fang2, Liyan Ma3
1School of Computer Science and Technology, East China Normal University, Shanghai 200062, China.
Resumen
El marco de segmentación multiorgánico abdominal genérico (GAMOS) mejora la segmentación de imágenes médicas utilizando modelos de difusión y autodestilación para un mejor manejo de etiquetas parciales y datos sin etiquetar. Reduce efectivamente los cambios de dominio, mejorando la generalización a través de diversos conjuntos de datos.
Área de la Ciencia:
- Imágenes médicas
- Inteligencia artificial
- Visión por computadora
Sus antecedentes:
- Los conjuntos de datos médicos disponibles públicamente permiten el desarrollo de un modelo de segmentación universal.
- Los métodos actuales luchan con datos parcialmente etiquetados, cambios de dominio entre sitios y subutilización de datos sin etiqueta.
Objetivo del estudio:
- Introducir un nuevo marco, GAMOS (segmentación genérica de múltiples órganos abdominales), para una segmentación robusta de imágenes médicas.
- Para abordar los desafíos en el etiquetado parcial, los cambios de dominio y el aprovechamiento de datos sin etiqueta en tareas de segmentación médica.
Principales métodos:
- GAMOS integra modelos de difusión con una estrategia de auto-guía para el etiquetado parcial.
- Se utiliza un mecanismo de autodestilación para utilizar eficazmente los datos no etiquetados.
- La escasa memoria semántica y una escasa pérdida de similitud mitigan los cambios de dominio y mejoran la consistencia de la representación.
Principales resultados:
- GAMOS logró un coeficiente de similitud de dados (DSC) promedio de 91.33% y un percentil promedio de distancia de Hausdorff (HD95) de 1.83 en las regiones etiquetadas en primer plano.
- Para las regiones de primer plano sin etiquetar, GAMOS obtuvo un DSC medio del 86,88% y un HD95 medio del 3,85.
- El marco demostró un rendimiento superior y una capacidad de generalización en comparación con los métodos más avanzados.
Conclusiones:
- GAMOS ofrece una solución poderosa para la segmentación genérica de múltiples órganos abdominales, sobresaliendo con datos parcialmente etiquetados y no etiquetados.
- Los métodos propuestos abordan efectivamente los cambios de dominio y mejoran la utilización de diversos conjuntos de datos de imágenes médicas.
