相关实验视频
Updated: Jul 17, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
441
乳房MRI中使用视觉变压器进行纤维腺组织细分:多机构评估
Gustav Müller-Franzes1, Fritz Müller-Franzes1, Luisa Huck1
1Department of Diagnostic and Interventional Radiology, University Hospital RWTH, Aachen, Germany.
Scientific reports
|August 30, 2023
概括
一个新的基于变压器的网络 (TraBS) 与卷积神经网络相比,在乳房MRI中显著改善了纤维腺组织细分. 这一进步提高了查中乳腺密度和对酶体增强量化的准确性.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 乳腺MRI中纤维腺组织的准确细分对于量化乳腺密度和背景辅酶增强至关重要.
- 目前的细分方法在实现跨多机构数据集的高准确性方面面临挑战.
研究的目的:
- 开发和评估基于变压器的神经网络,用于自动化乳腺MRI细分.
- 将基于变压器的网络 (TraBS) 与卷积神经网络 (nnUNet) 的性能进行比较.
主要方法:
- 一项使用多机构乳腺MRI数据的回顾性研究.
- 基于变压器的细分模型 (TraBS) 的开发.
- 与卷积神经网络 (nnUNet) 进行比较,使用内部和外部测试集上的Dice分数和平均对称表面距离指标.
主要成果:
- 与nnUNet相比,TraBS在内部和外部测试集上表现出优异的细分性能.
- 对于TraBS,观察到较高的子得分和较低的平均对称表面距离.
- 在所有绩效指标中,TraBS的统计学意义 (P < 0.05) 得到了实现.
结论:
- 基于变压器的网络在乳房MRI中提供了更好的纤维腺组织细分质量.
- TraBS显示有潜力提高乳腺密度的准确性和对酶体增强量的量化.
- 研究结果表明,人们正在转向用于高级乳腺MRI分析的变压器架构.
