Red espacial de estado mejorado por frecuencia guiada por gráficos para la segmentación 3D de la columna vertebral a...

Área de la Ciencia:

• Imágenes médicas de imágenes médicas.
• La inteligencia artificial es inteligencia artificial.
• Ingeniería Biomédica Ingeniería Biomédica.

Sus antecedentes:

• La segmentación precisa de la resonancia magnética espinal es crucial para el diagnóstico de enfermedades de la columna vertebral.
• Los métodos existentes luchan con la anatomía y los artefactos complejos, lo que limita el modelado global y la delineación de límites.

Objetivo del estudio:

• Proponer la red espacial de estado mejorado por frecuencia guiada por gráficos (GF-SSNet) para una segmentación precisa de resonancia magnética de la columna vertebral multimodal en 3D.
• Para abordar las limitaciones en el modelado semántico global, la percepción intermodal y la identificación de límites finos.
• Proporcionar apoyo técnico para el diagnóstico inteligente y la medicina de precisión en enfermedades de la columna vertebral.

Principales métodos:

• El GF-SSNet utiliza un mecanismo de mejora espacial de doble frecuencia con Convolución Dinámica de Frecuencia (FDConv) y Mamba de Tres Direcciones (TD-Mamba).
• Incorpora la fusión de atención consciente de la posición (PAAF) y las redes convolucionales de gráficos (GCN) para las restricciones anatómicas topológicas.
• Se utiliza una estrategia de muestreo progresivo de profundidad (DAPU) para la reconstrucción de información espacial de grano fino.

Principales resultados:

• GF-SSNet logró un rendimiento superior en los conjuntos de pruebas normales, con un promedio de dados del 92,04% y un promedio de IoU del 85,29%.
• Se redujo significativamente HD95 a 3,06 mm y ASSD a 0,612 mm en comparación con las líneas de base.
• En los conjuntos de pruebas patológicas, GF-SSNet mantuvo un fuerte rendimiento (Dice Mean 87.60%), demostrando robustez a pesar de los desafíos de segmentación en condiciones degenerativas.

Conclusiones:

• GF-SSNet segmenta efectivamente las resonancias magnéticas de la columna vertebral mediante la fusión de características de frecuencia y dependencias globales.
• El método ofrece un soporte técnico mejorado para el diagnóstico inteligente de enfermedades de la columna vertebral.
• Los estudios de ablación y el análisis de la función de pérdida validaron la contribución de cada componente.