双变压器超分辨率用于乳腺癌ADC图像

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 无线电学 (Radiomics) 是一种放射学.

背景情况:

• 扩散加权成像 (DWI) 有助于乳腺癌的治疗,但低分辨率限制了瘤的特征.
• 表面扩散系数 (ADC) 图像需要更高的分辨率才能进行准确的分析.

研究的目的:

• 开发一种超分辨率 (SR) 方法,用于使用新型深度学习网络的ADC图像.
• 评估SR-ADC图像在乳腺癌放射学分析中的临床实用性.

主要方法:

• 提出了一种基于双变压器的网络 (DTformer),采用U形编码器-解码器架构 (UTNet).
• UTNet使用本地增强的Swin变压器 (LeSwin-T) 和卷积变压器 (Conv-T) 块进行特征提取.
• 整合了一个剩余上采样网络 (RUpNet) 来提高图像分辨率.

主要成果:

• 在提高ADC图像分辨率方面,DTformer表现出卓越的性能.
• 对SR-ADC图像的放射学分析显示,改善了瘤特征的预测,包括组织学等级和HER2状态.

结论:

• 超分辨率的ADC图像可以显著提高乳腺癌的瘤特征.
• 拟议的DTformer模型为改善乳腺癌管理中的诊断准确性提供了一个有希望的方法.