一个组合编码器-变压器-解码器网络用于上腺瘤的体积细分

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:

• 精确的上腺瘤细分对于诊断和差异诊断至关重要.
• 瘤形态和临床统计是关键特征.
• 目前的方法需要精确的瘤细分.

研究的目的:

• 开发CT图像细分方法用于体积上腺瘤细分.
• 将编码器-解码器结构与变压器相结合,以增强细分.
• 评估拟议方法的性能.

主要方法:

• 总共有182名上腺转移的患者被纳入.
• 构建了一个结合编码器-解码器结构和变压器的上腺瘤体积细分方法.
• 绩效被评估使用子得分系数 (DSC),豪斯多夫距离,交叉点 (IOU),平均表面距离 (ASD) 和平均平均误差 (MAE).

主要成果:

• 拟议的方法实现了0.858的平均DSC和0.814的平均IOU.
• 平均豪斯多夫距离为10.996,平均MAE为0.0005,平均ASD为0.509.
• 与其他方法相比,该方法显示了最低的斜率和最高的平均预测性能.

结论:

• 拟议的方法直接生成具有优异细分性能的3D损伤地图.
• 对细分指标和可视化的比较分析证实了该方法的高效性.
• 这种方法在临床实践中显示出改善上腺瘤细分的巨大潜力.