相关实验视频
Updated: Jul 4, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
405
基于自主监督转移学习网络的自动胰腺细分和脂肪分数评估
Gaofeng Zhang1, Qian Zhan2, Qingyu Gao1
1School of Health Science and Engineering, University of Shanghai for Science and Technology, Shanghai, 200093, China; Department of Radiology, Changhai Hospital of Shanghai, Naval Medical University, Shanghai, 200433, China.
Computers in biology and medicine
|January 29, 2024
概括
一个新的3D细分模型,nnTransfer,在CT扫描中准确地细分胰腺. 这种方法还可以自动测量胰腺脂肪,有助于诊断糖尿病等疾病.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 在CT图像中的胰腺细分对于诊断胰腺疾病,如瘤和糖尿病至关重要.
- 由于图像的复杂性,准确的细分仍然是一个挑战.
研究的目的:
- 开发和评估一种使用CT图像进行胰腺细分的新型3D细分模型.
- 为了使胰腺脂肪体积分数 (FVF) 能够自动测量,用于疾病评估.
主要方法:
- 提出了一种新的3D细分模型,nnTransfer (nonisomorphic transfer learning) net,利用生成模型对未标记的数据进行自我监督的学习.
- 创建和注释了229张高分辨率CT图像的数据集.
- 通过使用基因图分析与局部值实现了胰腺脂肪 (FVF) 的全体积自动测量.
主要成果:
- nnTransfer模型在胰腺细分方面实现了高性能,子相似系数 (DSC) 为0.937±0.019和豪斯多夫距离 (HD) 为2.655±1.479.
- 平均胰腺体积为91.95 ± 23.90 厘米3,平均FVF为12.67% ± 9.84%.
- 该模型证明了无可击和自主运行.
结论:
- nnTransfer模型提供了精确的胰腺细分和自动FVF测量从CT图像.
- 这种技术有助于评估胰腺疾病,尤其是糖尿病患者.
- 自主监督学习方法增强了模型从图像属性中学习的能力.
