在使用非局部手段和形态框架的正子发射断层扫描图像中,自动细分头瘤和部瘤

科学领域:

• 医学成像分析 医学成像分析
• 在瘤学瘤学.
• 计算病理学计算病理学

背景情况:

• 在医学成像中精确细分头癌 (HNC) 瘤对于治疗计划至关重要.
• 目前用于HNC的细分方法往往缺乏足够的准确性和效率.

研究的目的:

• 在3D PET图像中开发一个用于细分HNC瘤的自动化模型.
• 用非局部手段 (NLM) 和形态操作来提高HNC瘤细分的准确性和效率.

主要方法:

• 使用了HECKTOR挑战公共数据集 (408张患者图像).
• 应用非局部手段 (NLM) 用于降低噪音和保存信息.
• 用于强度和边缘信息评估的形态操作.
• 通过使用子得分,交叉点在联盟 (IoU) 和准确度来评估细分.

主要成果:

• 获得了81.47±3.15.5的平均子得分.
• 获得的平均IOU为80 ± 4.5.5.
• 达到了 94.03 ± 4.44.4 的平均精度.

结论:

• 拟议的算法可以在没有人工干预的情况下实现患者特定的瘤细分.
• 这种模式有可能提高HNC的治疗计划和个性化医疗.
• 这种方法可以扩展到从有限的注释医疗图像中对其他器官进行细分.