从MRI使用基于注意力机制的多尺度密集连接卷积神经网络对直肠瘤进行自动细分

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:

• 结直肠癌是一种普遍存在的胃肠道恶性瘤.
• 磁共振成像 (MRI) 对于直肠癌的诊断和治疗至关重要.
• 准确的早期诊断对于改善患者生存率至关重要,但医生的专业知识可能是一个局限性.

研究的目的:

• 开发一种基于注意力的多尺度密集连接的卷积神经网络,用于在2DMRI中实现直肠瘤自动细分.
• 通过计算机辅助诊断技术,提高直肠癌的诊断准确度.

主要方法:

• 修改了U-Net架构,结合了多级密集连接的卷积块,以捕获丰富的语义特征并处理瘤变异性.
• 在最终的编码层中集成带有 atrial 卷积的中心块,以改善全球上下文理解.
• 在每个解码模块中包含混合注意力机制,以专注于关键的直肠瘤特征.
• 验证使用来自572名患者的3773个二维MRI数据集.

主要成果:

• 拟议的方法在MRI直肠瘤细分方面取得了高性能.
• 灵敏度:85.47%,特异性:86.35%,子相关系数:94.71%,豪斯多夫距离:7.88毫米.
• 与传统方法相比,该模型显示出优异的细分结果.

结论:

• 开发的AI模型显著提高了MRI对直肠瘤细分的准确性.
• 这种计算机辅助诊断工具可以通过为临床诊断提供可靠的第二意见来帮助医生.