Red de desacoplamiento de doble perspectiva para la segmentación de tumores renales en imágenes de TC

Área de la Ciencia:

• Imágenes médicas
• Visión por computadora
• Inteligencia artificial

Sus antecedentes:

• La segmentación del tumor renal enfrenta desafíos como la ubicación impredecible, la similitud de objetos y los límites variables.
• Los métodos actuales a menudo no abordan todos estos desafíos de manera efectiva.
• Los enfoques agnóstico de objetos o de una sola perspectiva limitan el rendimiento de la segmentación.

Objetivo del estudio:

• Proponer una nueva red de desacoplamiento de doble perspectiva (DDNet) para mejorar la segmentación de tumores renales.
• Abordar las limitaciones de los métodos existentes en el manejo de escenarios de segmentación complejos.
• Para mejorar la exactitud y precisión de la delineación del tumor renal en imágenes médicas.

Principales métodos:

• Desarrolló la red de desacoplamiento de doble perspectiva (DDNet) que comprende un módulo de desacoplamiento de doble perspectiva (DDM) y un módulo de refinamiento de borde (ERM).
• El DDM utiliza una rama de desacoplamiento de escala múltiple (MDB) para el desacoplamiento de cuerpo / borde y una rama de desacoplamiento de objetos (ODB) para el desacoplamiento entre objetos.
• El ERM aprovecha las características de los límites para refinar las características de los codificadores de bajo nivel, mejorando la precisión de los límites.

Principales resultados:

• DDNet logró un rendimiento superior en los conjuntos de datos KiTS19, KiTS21 y KAT-Seg.
• Logró puntuaciones de dados de 86,08% (KiTS19), 85,45% (KiTS21) y 88,03% (KAT-Seg).
• Superó a once métodos de última generación en al menos el 1,63%, el 0,72% y el 1,72% respectivamente.

Conclusiones:

• DDNet aborda efectivamente los desafíos en la segmentación de tumores renales.
• Las estrategias propuestas de desacoplamiento de doble perspectiva y refinamiento de bordes mejoran significativamente la precisión de la segmentación.
• DDNet representa un avance sustancial en la tecnología automatizada de segmentación de tumores renales.