具有空间注册的跨机构男性骨盆结构的原型少数镜头细分

科学领域:

• 医学图像分析 医学图像分析
• 机器学习 机器学习
• 计算机辅助诊断 计算机辅助诊断

背景情况:

• 通过使用有限的标记数据来进行新的类细分,Few-shot学习可以实现高效的医疗图像分析.
• 调整模型以适应新的临床结构往往需要大量的数据和专家注释,这构成了重大挑战.

研究的目的:

• 使用最小的标记数据开发一个完全3D原型的几次射击细分算法,以有效地适应未见的解剖结构.
• 为了解决机构之间的空间变化和医疗成像的少数镜头学习中的不完美的数据对齐.

主要方法:

• 在原型学习中整合了一种新的空间注册机制,包括分段头和空间对齐模块.
• 关于支持面具调节模块的建议,以利用支持图像中的可用注释来改善培训.
• 在七个研究所进行了广泛的实验,从589张T2加权的MRI图像中对八个盆腔解剖结构进行了细分.

主要成果:

• 展示3D配方,空间注册和支持面具调节模块的有效性,无论是单独的还是集体的.
• 与现有的2D替代方案相比,少数镜头细分性能显著改善.
• 强大的表现,无论支持数据来自同一或不同的研究所.

结论:

• 拟议的3D原型短拍细分算法有效地适应了具有有限数据的新临床结构.
• 空间注册和支持面具调节对于提高跨机构短拍细分的稳定性和准确性至关重要.
• 开发的方法在统计学上比以前的2D医疗图像细分方法有显著的进步.