基于XY-Net的脑质瘤自动细分
Wenbin Xu1, Jizhong Liu2, Bing Fan3
1Nanchang Key Laboratory of Medical and Technology Research, Nanchang University, Nanchang, 330006, China.
Medical & biological engineering & computing
|September 22, 2023
概括
我们开发了XY-Net,这是一个用于在MRI扫描中对质瘤进行细分的自动化系统. 这种人工智能模型提高了瘤概述的准确性,帮助医生进行诊断和治疗规划.
科学领域:
- * 医学图像分析
- * 医疗保健中的人工智能
- * 神经瘤学 * 神经瘤学
背景情况:
- *结质瘤是侵袭性脑瘤,需要及时诊断才能有效治疗.
- *磁共振成像 (MRI) 对于质瘤检测至关重要,但手动瘤细分是耗时的.
- * 通过MRI自动分类质瘤对于临床决策至关重要.
研究的目的:
- * 引入XY-Net,这是一个全新的全卷积网络,用于MRI中的自动化质瘤细分.
- * 与手动方法相比,提高瘤概述的准确性和效率.
- * 提供一个工具,帮助医生在患者评估和治疗策略开发.
主要方法:
- * 开发XY-Net,一个基于U-Net的对称编码器-解码器网络,具有双子编码器和X形特征传输.
- * 实现混合损失函数,将平衡的交叉和损失结合起来,以解决类不平衡.
- *对MRI数据集进行训练和评估,用于质瘤细分.
主要成果:
- *XY-Net在子系数 (DC) 中表现出2.16%的改进,而不是单个编码器模型.
- * 实现了最先进的性能,直流率为74.49%,豪斯多夫距离 (HD) 为10.89毫米,回忆率为78.06%,精度为76.30%.
- *新的架构有效地在2DMRI切片上进行端到端的自动质瘤细分.
结论:
- * 拟议的XY-Net架构,其双子编码器和交叉传输路径,显著提高了质瘤细分的准确性.
- *XY-Net为放射科医生提供了有价值的辅助工具,提高了质瘤诊断的效率和精度.
- *使用XY-Net的自动细分可以帮助临床医生更好地了解患者的病情并制定治疗计划.
