LBMNet：MRIにおける3D脳卒中病変セグメンテーションを強化するためのハイブリッドマルチスケールCNN-Mambaフレームワーク

科学分野:

• 医用画像処理
• 人工知能
• 神経学

背景:

• 脳卒中は世界的に死亡および障害の主要な原因です。
• MRIからの脳卒中病変の正確なセグメンテーションは、診断と治療に不可欠です。
• 既存の方法は、病変のばらつきや小さな病変の検出に課題があります。

研究 の 目的:

• 正確な脳卒中病変セグメンテーションのための新しいCNN-MambaネットワークであるLBMNetを提案すること。
• 多様な病変サイズと形態の現在の方法の限界に対処すること。
• 小さな脳卒中病変の検出を改善すること。

主な方法:

• マルチスケール畳み込みエンコーディングとMambaベースのデコーディングを統合したハイブリッドCNN-MambaネットワークであるLBMNetを開発しました。
• クロススケール表現のためにエンコーダーにトップダウンLSCモジュールを採用しました。
• 適応的空間畳み込みと非対称的適応ゲート特徴融合（BAGF）を備えた双方向空間コンテキストMamba（BSC-Mamba）デコーダーを設計しました。

主要な成果:

• ベンチマークデータセット（ATLAS v2.0でDice：67.57％、ISLES 2022で82.03％）で最先端のパフォーマンスを達成しました。
• 既存のモデルと比較して、小さな脳卒中病変のセグメンテーションが大幅に改善されました。
• LBMNetは、様々な病変特性にわたって堅牢で効率的なパフォーマンスを示しました。

結論:

• LBMNetは、脳卒中病変セグメンテーションのための堅牢で効率的なフレームワークを提供します。
• 提案された方法は、患者ケアを改善するための強力な臨床的可能性を示しています。
• LBMNetは、特に小さな脳卒中病変の異質性を効果的に処理します。