MOIS-SAM2: Modelo ejemplar de segmentación 2 para segmentación interactiva multilesión de neurofibromas en RM de...

Área de la Ciencia:

• Imagenología Médica
• Inteligencia Artificial
• Biología Computacional

Sus antecedentes:

• La neurofibromatosis tipo 1 (NF1) es un trastorno genético que causa numerosos neurofibromas (NF).
• La RM de cuerpo completo (RM de cuerpo completo) es crucial para la detección de NF y el seguimiento del crecimiento tumoral.
• La segmentación manual de NF en RM de cuerpo completo consume mucho tiempo y carece de escalabilidad.

Objetivo del estudio:

• Desarrollar un modelo de segmentación interactiva novedoso para la detección eficiente y escalable de NF en RM de cuerpo completo.
• Abordar las limitaciones de los métodos existentes en precisión y escalabilidad para la segmentación de NF.

Principales métodos:

• Introducción de MOIS-SAM2, un modelo de segmentación interactiva multiobjeto que amplía el Modelo de Segmentación de Cualquier Cosa 2 (SAM2).
• Utiliza la propagación semántica basada en ejemplares para la transferencia de conocimiento de lesiones con indicación a lesiones sin indicación.
• Entrenado y evaluado en 119 RM de cuerpo completo de 84 pacientes con NF1, con pruebas en varios escenarios de cambio de dominio.

Principales resultados:

• MOIS-SAM2 logró un coeficiente de similitud de Dice (DSC) por escaneo de 0,60 en el conjunto de prueba intra-dominio, superando a los modelos de referencia.
• El modelo demostró un rendimiento sólido en diferentes intensidades de campo de RM y proveedores de escáneres.
• Las puntuaciones F1 de detección de lesiones oscilaron entre 0,62 y 0,78, con un acuerdo modelo-experto comparable al acuerdo inter-experto.

Conclusiones:

• MOIS-SAM2 ofrece una segmentación interactiva eficiente y escalable de NF en RM de cuerpo completo.
• El modelo muestra sólidas capacidades de generalización, adecuadas para la integración clínica.
• El modelo y el código son de acceso público para apoyar la investigación y la aplicación futuras.