MS-FANet:用于肝脏瘤细分的多尺度特征关注网络
Ying Chen1, Cheng Zheng1, Wei Zhang1
1School of Software, Nanchang Hangkong University, Nanchang, 330063, PR China.
Computers in biology and medicine
|July 8, 2023
概括
这项研究引入了一种新的多尺度特征注意网络 (MS-FANet),用于改善CT扫描中的肝脏瘤细分. MS-FANet有效地处理瘤大小的变化,增强早期癌症诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 准确的肝脏瘤细分对于早期肝癌诊断至关重要.
- 现有的细分网络在CT图像中与肝脏瘤的可变体积作斗争.
- 需要先进的方法来提高细分精度.
研究的目的:
- 提出一种新的多尺度特征注意网络 (MS-FANet),用于增强肝脏瘤细分.
- 解决当前网络在处理不同瘤大小方面的局限性.
- 在计算机断层扫描 (CT) 扫描中提高肝脏瘤细分的准确性.
主要方法:
- 开发了一个多尺度特征注意网络 (MS-FANet),在编码器中结合了新的剩余注意 (RA) 块和多尺度心脏下采样 (MAD).
- 在特征减少过程中集成了一种双路径特征 (DF) 过器和密集的上采样 (DU).
- 在公共LiTS和3DIRCADb数据集上对MS-FANet进行了评估.
主要成果:
- 在LiTS数据集上,MS-FANet的平均Dice得分为74.2%.
- 在3DIRCADb数据集上,MS-FANet在3DIRCADb数据集上获得了78.0%的平均子得分.
- 拟议的网络表现优于大多数最先进的细分网络.
结论:
- 在肝脏瘤细分方面,MS-FANet表现出色.
- 该网络有效地学习不同规模的特征,适应可变的瘤体积.
- 拟议的架构显示了通过准确的细分来改善早期肝癌诊断的巨大潜力.
