基于残留物密集连接的胃腺癌的医学图像细分
1College of Communications and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing, China.
Journal of applied clinical medical physics
|December 15, 2023
概括
一个新的3DUNet模型使用剩余的密集跳跃有效地在CT扫描中细分胃腺癌. 这种方法改善了边界描绘,并优于胃病查和诊断的现有方法.
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:
- 在CT图像中精确细分胃腺癌对于临床决策至关重要.
- 现有的细分模型在胃CT扫描中扎着不清楚的边界和文物.
研究的目的:
- 为改善胃腺癌细分提出一个3D UNet 模型,其中包含剩余的密度跳跃,以改善胃腺癌细分.
- 增强CT图像中胃癌边界和危胃区域的描绘.
主要方法:
- 开发了一个3D UNet模型,集成了ResNet的剩余密集区块和ResNet的剩余区块.
- 使用剩余密度跳过块来移除CT文物并保存图像细节.
- 优化实例规范化层放置和组合损失函数 (Dice和CE) 进行细分.
主要成果:
- 拟议的模型实现了82.3%的子得分,具有混合子和CE损失函数.
- 在子得分方面表现优于TransUNet (5.3%) 和Hiformer (3.8%).
- 实现了70.8%的交叉合并率,超过nnFormer和nnUNet.
结论:
- 剩余跳跃连接显著提高医疗图像细分性能.
- 开发的模型显示了胃病查和诊断援助的潜力.
