Modelo de Probabilidad de Difusión Guiada Dinámica para la Segmentación de Nervios Craneales

Área de la Ciencia:

• Imágenes Médicas
• Neurociencia
• Visión por Computadora

Sus antecedentes:

• La segmentación de los nervios craneales (NC) mediante RM es crucial para el análisis morfológico cuantitativo.
• Existen métodos de aprendizaje profundo, pero a menudo descuidan las características únicas de los NC y las características de las imágenes multimodales, lo que conduce a resultados subóptimos.

Objetivo del estudio:

• Desarrollar un modelo avanzado de segmentación para haces de nervios craneales utilizando imágenes de resonancia magnética (RM).
• Mejorar la segmentación integrando las características intrínsecas de los NC y los datos de imágenes multimodales.

Principales métodos:

• Se propuso un modelo de probabilidad de difusión guiada dinámica que incorpora un novedoso módulo SE-A-NL.
• El módulo SE-A-NL aborda la caracterización variable de imágenes multimodales y las conexiones de NC a largo plazo.

Principales resultados:

• El método propuesto logró un rendimiento de segmentación superior para cinco pares de nervios craneales.
• Superó los enfoques de vanguardia existentes en 16 de las 20 métricas evaluadas.

Conclusiones:

• La red integra eficazmente información multimodal y prioridades anatómicas utilizando mecanismos de atención.
• Los estudios comparativos y de ablación confirman el rendimiento superior del método propuesto en la segmentación de NC.