LRENet:CT图像中的肝损伤位置相关增强网络
Shuli Guo1, Hui Wang1, Sos Agaian2
1State Key Laboratory of Intelligent Control and Decision of Complex Systems, School of Automation, Beijing Institute of Technology, Beijing, 100081, People's Republic of China.
Physics in medicine and biology
|January 11, 2024
概括
一种新的方法,位置相关增强网络 (LRENet),通过增强病变对比度来改善CT扫描中的肝脏瘤细分. 这有助于更准确的诊断和治疗计划肝癌.
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:
- 肝癌是一个日益严重的全球健康问题,预计到2040年肝癌的病例将会增加.
- 在CT图像中精确的肝脏瘤细分对于有效的诊断和治疗计划至关重要.
- 分段化的挑战包括肝脏大小的变化,低对比度和图像噪声.
研究的目的:
- 引入一种新的方法,LRENet,用于增强CT图像中的肝损伤对比度.
- 为了提高肝脏瘤细分的准确性.
主要方法:
- 拟议的LRENet方法有两个步骤:通过形态学定位病变和组织,并使用新的损失函数进行病变增强/区域平滑.
- 在公共 (LiTS,3Dircadb01) 和医院数据集上评估了LRENet.
- 将LRENet与最先进的方法进行比较.
主要成果:
- 在三个数据集上,LRENet在多个指标上表现优于现有方法.
- 当与Swin-Transformer网络一起使用时,增强的数据集改善了肝脏和病变的细分性能.
- 证明了肝脏瘤的细分精度的提高.
结论:
- 在诊断和治疗规划方面,LRENet具有临床应用的潜力.
- 该方法提供了更可靠和信息丰富的肝脏瘤CT图像.
- 提高图像质量有助于更好的医疗决策.


