在计算机断层扫描图像中用于自动肺血管血液血管分割的层次混合网络

科学领域:

• 心脏病学 心脏病学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 肺动脉高血压 (PAH) 是一种重要的心血管疾病,需要通过医学成像进行准确的诊断.
• 医疗图像处理中的深度学习提供了进步,但由于患者数据隐私问题而面临挑战.
• 在深度学习中平衡大数据集的需求与严格的隐私要求是医疗机构的关键问题.

研究的目的:

• 开发一种自动化方法,通过CT扫描对肺血管进行细分.
• 为解决建立医疗诊断数据驱动深度学习模型的隐私困境.
• 提出一个解决方案,使高质量的数据利用,同时确保患者数据安全.

主要方法:

• 开发了一种层次化的混合自动细分模型.
• 该模型整合了本地学习和联合学习方法.
• 该模型旨在从计算机断层扫描 (CT) 图像中对肺血管进行细分.

主要成果:

• 拟议的模型成功地自动化了从原始CT数据的肺血管细分.
• 联合学习方法在实现准确的细分方面表现出令人印象深刻的表现.
• 该模型在整个学习过程中有效地保护患者数据隐私.

结论:

• 开发的模型为PAH诊断中肺血管细分提供了有效的解决方案.
• 联合学习为开发数据驱动的医疗人工智能提供了可行的策略,而不会损害患者的隐私.
• 这种方法通过克服数据隐私障碍,促进在医疗保健中创建强大的深度学习模型.