在基于TransResUNet的儿童X射线图像中开发肺部细分方法
Lingdong Chen1,2,3, Zhuo Yu4, Jian Huang1,2,3
1Department of Data and Information, The Children's Hospital Zhejiang University School of Medicine, Hangzhou, China.
Frontiers in radiology
|July 26, 2023
概括
这项研究介绍了TransResUNet,这是一种深度学习方法,用于在儿童胸部X射线中准确地细分肺部. 这种新的方法显著提高了儿科肺部疾病的诊断准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 儿科放射学 儿科放射学
背景情况:
- 胸部X射线 (CXR) 对于诊断儿科肺部疾病至关重要.
- 精确的肺场细分对于计算机辅助诊断系统至关重要.
研究的目的:
- 开发一种先进的深度学习方法,用于在多中心儿科CXR图像中精确细分肺部.
- 为了提高儿童胸部X射线肺部细分的质量和准确性.
主要方法:
- 提出了一个新的深度学习模型TransResUNet,将TransUNet和ResUNet架构结合起来.
- 利用TransUNet的自我注意力来改进功能学习.
- 使用 ResUNet 防止网络退化.
主要成果:
- 在多中心测试数据集上获得0.9822的高子得分.
- 与现有的医疗图像细分网络相比,其表现优越.
结论:
- TransResUNet方法在儿科肺部领域细分方面取得了重大进展.
- 这种新的方法提高了儿童肺部疾病的计算机辅助诊断的准确性.
更多相关视频
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020
14.2K
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.5K