基于变压器的3D U-Net用于CT图像中的肺血管细分和动脉静脉分离
Yanan Wu1,2,3, Shouliang Qi4,5, Meihuan Wang1
1College of Medicine and Biological Information Engineering, Northeastern University, Shenyang, China.
Medical & biological engineering & computing
|July 7, 2023
概括
这项研究引入了一种新的变压器网络,用于细分肺血管,并在计算机断层扫描 (CT) 图像中将动脉与静脉分开. 该方法在非对比度 (NC) 和对比度增强 (CE) CT 扫描中实现了高精度.
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:
- 变压器网络已经显著提升了计算机视觉任务.
- 在CT图像中精确的肺血管细分和动脉静脉分离对于诊断血管疾病至关重要.
研究的目的:
- 在非对比 (NC) 和对比增强 (CE) CT 图像中开发基于变压器的网络,用于精确的肺血管细分和动脉-静脉分离.
- 探索道增强注意模块在捕获上下文和空间信息方面的有效性.
主要方法:
- 一个基于变压器的新型网络,在编码器/解码器中包含一个3D上下文变压器模块和跳过连接中的双重注意模块.
- 该网络在内部数据集 (56个NC CT扫描) 和ISICDM2021挑战数据集 (14个NC和14个CE CT扫描) 上进行了评估.
主要成果:
- 在NC CT中获得0.867的船只细分,在CE CT中获得0.840的子得分.
- 在NC CT中实现了0.602的动脉-静脉分离的Dice分数,在CE CT中达到0.758.
- 在定量和定性评估中表现出高准确度.
结论:
- 拟议的变压器网络在CT图像中有效执行肺血管细分和动脉-静脉分离.
- 道增强的注意模块有助于提取重要的空间和上下文信息,以提高细分精度.
- 这项工作为使用CT成像对血管系统的研究提供了宝贵的工具.
