注意引导的多尺度学习网络用于MRI上自动前列腺和瘤细分.
Yuchun Li1, Yuanyuan Wu1, Mengxing Huang1
1State Key Laboratory of Marine Resource Utilization in South China Sea, College of Information and Communication Engineering, Hainan University, Haikou 570288, China.
Computers in biology and medicine
|August 23, 2023
概括
这项研究引入了一种新的深度学习网络,用于在MRI扫描中对前列腺和前列腺癌进行细分. 该方法实现了高精度,改善了前列腺癌患者的图像引导诊断和手术规划.
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:
- 在MRI中精确细分前列腺和癌症瘤对于以图像为导向的诊断和手术规划至关重要.
- 挑战包括微妙的形态差异,模糊的界限和不均的组织分类.
- 现有的细分方法与MRI中前列腺癌检测的复杂性作斗争.
研究的目的:
- 开发和评估一种新的深度学习网络,用于在男性盆腔MRI中增强前列腺和前列腺癌的细分.
- 为了提高临床应用的自动化细分的准确性和可靠性.
主要方法:
- 一个新的前列腺和前列腺癌细分网络,利用双分支注意力驱动的MRI多尺度学习方法.
- 双分支结构,具有多尺度注意模块,用于在不同尺度上提取特征.
- 功能融合模块提供全面的上下文信息和深度监督,用于精确的学习表示.
主要成果:
- 拟议的网络在男性盆腔MRI数据集中表现出比前列腺和瘤细分的现有技术更好的性能.
- 达到了91.65%的前列腺和84.39%的前列腺癌细分的子相似系数 (DSC) 值.
- 保持高相关性和一致性与专家手动细分.
结论:
- 开发的深度学习方法通过MRI提供精确的前列腺和前列腺癌的自动细分.
- 这一进展对改善诊断准确性和治疗规划具有重大临床意义.
- 该方法增强了以图像为指导的临床诊断,并支持精确的手术干预.
