视觉转换器用于CXR图像上的肺部细分

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 在胸部X射线 (CXR) 图像中精确的肺部细分对于自动化分析系统至关重要.
• 挑战包括胸干扰,多种肺形状和与疾病相关的变异.
• 有效的细分有助于放射科医生在早期发现和诊断疾病.

研究的目的:

• 在健康和不健康的CXR图像中开发和评估精确肺部细分模型.
• 为了应对解剖变异和病理发现所带来的挑战.
• 为了提高自动肺部区域识别的准确性.

主要方法:

• 为肺部区域检测和细分开发了五种不同的模型.
• 在模型训练中使用了两种不同的损失函数.
• 在三个基准CXR数据集中评估了性能.

主要成果:

• 开发的模型成功地从CXR图像中提取了突出的全球和本地特征.
• 这款表现最好的车型获得了高的F1分数,达到97.47%.
• 模型在将肺部区域与周围结构分离以及处理各种肺部形状和异常方面表现出有效性.

结论:

• 拟议的模型为CXR分析中的肺部细分提供了强大的解决方案.
• 在细分肺部方面取得了很高的准确性,即使在结核和结节等异常的情况下也是如此.
• 该方法显示了提高放射学评估诊断准确性的巨大潜力.