リソース制約下における肝腫瘍の財団モデル誘導型マルチビュー半教師ありCTセグメンテーション

科学分野:

• 医用画像処理
• コンピュータビジョン
• 人工知能

背景:

• 正確な医用画像、特にCTスキャンのセグメンテーションは、診断と治療計画に不可欠です。
• リソース制約のある環境では、深層学習モデルのトレーニングのためのラベル付きデータの希少性により、しばしば課題に直面します。
• 既存の手法は、限られたアノテーションで苦労しており、特に腫瘍のような複雑な構造の自動セグメンテーションの精度に影響を与えています。

結論:

• 開発されたパイプラインは、リソース制約のある環境でのCT自動セグメンテーションのためのラベル効率的で正確なソリューションを提供します。
• このアプローチは、手動セグメンテーション時間を大幅に短縮し、臨床展開のための実用的でプラグアンドプレイなソリューションとなります。
• この手法は、ラディオミクスや縦断的モニタリングなどの下流アプリケーションのための信頼できる基盤を提供します。