一个粗细的融合网络用于小肝脏瘤检测和细分:一个现实世界的研究
Shu Wu1, Hang Yu2, Cuiping Li1
1Zhiyu Software Information Co., Ltd., Shanghai 200030, China.
Diagnostics (Basel, Switzerland)
|August 12, 2023
概括
这项研究引入了一种新的粗细融合方法,用于使用MRI扫描对小肝脏瘤进行细分. 该方法显著提高了检测和细分的准确性,超过现有网络.
科学领域:
- 医疗图像分析 医疗图像分析
- 放射学 放射学是一门学科.
- 医学中的人工智能
背景情况:
- 准确的肝脏瘤细分对于诊断和治疗计划至关重要.
- 现有的方法难以对细分小肝脏瘤 (<3.0厘米).
- 多模态MRI数据对于全面的肝脏瘤分析至关重要.
研究的目的:
- 开发一种新的粗细融合细分方法,以改善小肝瘤的检测和细分.
- 为了提高对各种肝脏瘤类型的细分精度,包括肝细胞癌 (HCC) 和转移.
- 评估拟议的方法与传统和基于融合的细分网络相比.
主要方法:
- 一个粗细聚变细分策略,包含一个检测模块和一个CSR (卷积-SE-剩余) 模块.
- 使用私人肝脏MRI数据集,来自218名患者的3605个瘤,重点关注小瘤 (<3.0厘米).
- 与3D UNet,nnU-Net和nnDetection集成融合网络进行比较分析.
主要成果:
- 拟议的方法在测试组中实现了86.9%的平均子相似系数 (DSC) 和86.7%的回忆.
- 在单阶段网络和现有融合方法上表现出卓越的性能.
- 取得了对细分小物体 (<10毫米) 的最先进的结果,DSC为85.3%,恶性瘤检测率为87.5%.
结论:
- 这种新的粗细融合细分方法有效地检测和细分小肝脏瘤,准确度高.
- 该方法显示了显著的改进,特别是在小型瘤中,为临床应用提供了一个有前途的工具.
- 这种方法代表了使用多模态MRI数据进行肝脏瘤语义细分的最先进进展.
