臨床的に指向された2D自動肝臓腫瘍セグメンテーション:LCMambaNetは,状態空間モデルと肝臓がん特有の注意を備えています

科学分野:

• メディカルイマージング (医学イメージング)
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 腫瘍学 腫瘍学

背景:

• 肝がんは,発生率と死亡率の上昇とともに,世界的な健康上の大きな課題を提示しています.
• 複雑なイメージング特性と現在のディープラーニングモデルの限界のために,腫瘍の正確なセグメンテーションは困難です.
• 既存の3Dディープラーニングアーキテクチャは,かなりのコンピューティングリソースを必要とし,臨床アプリケーションを妨げています.

研究 の 目的:

• 肝臓がんマンバネットワーク (LCMambaNet) を導入し,肝臓腫瘍のための効率的な2Dセグメンテーションフレームワークを導入する.
• 計算効率とセグメンテーションの精度をバランスさせる現行のモデルの限界に対処する.
• 肝臓の病変,特に小さな病変の検出と特徴付けを改善するために.

主な方法:

• 選択的状態空間モデルを利用した2DセグメンテーションフレームワークであるLCMambaNetを開発しました.
• スキャン・パッチメカニズムを導入し,突出の質感と密度特性を抽出しました.
• 肝がん注意モジュール (LCAM) を組み込み,正常組織と腫瘍の特徴を区別しました.
• LITS (CT) とCirrMR160+ (MRI) のデータセットで評価された性能.

主要な成果:

• LCMambaNetは高いセグメンテーション精度を達成し,LITSでは92.94%の Diceスコア,CirrMR160+では92.08%の Diceスコアを達成しました.
• ベースラインモデルと比較して,小傷 (<2cm) で統計的に有意な優れたパフォーマンスを示した.
• 消去試験は,個々のモデルコンポーネントの有効性を確認しました.

結論:

• LCMambaNetは,2D肝臓腫瘍セグメンテーションのための効率的で臨床的に有効なソリューションを提供します.
• モデルの設計は,現在のディープラーニングのアプローチの計算と精度上の制限を克服しています.
• 小さな病変に対する強力な性能は,早期診断と肝がん管理における正確な治療計画をサポートします.