MSEF-Net:多尺度边缘融合网络用于 lumbosacral plexus 分段与 MR 图像
Junyong Zhao1, Liang Sun2, Zhi Sun3
1College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, the Key Laboratory of Brain-Machine Intelligence Technology, Ministry of Education, Nanjing 211106, China.
Artificial intelligence in medicine
|February 7, 2024
概括
一个新的多尺度边缘融合网络 (MSEF-Net) 在脊柱MRI扫描中改善了腰部神经的细分. 这种方法增强了边缘检测,使得神经损伤的计算机辅助诊断和手术规划更加准确.
科学领域:
- 医疗成像医学成像
- 神经外科 神经外科
- 人工智能的人工智能
背景情况:
- 脊髓神经损伤会导致严重的残疾和.
- 在MRI中精确细分腰部神经,对于诊断脊髓神经病变和指导手术至关重要.
- lumbosacral plexus的复杂结构和低对比度对精确的边缘划分提出了挑战.
研究的目的:
- 开发一种先进的深度学习模型,以在MRI中改善腰椎神经的细分.
- 为了提高边缘特征提取和复杂解剖结构的多尺度特征融合的准确性.
- 为计算机辅助诊断和与脊髓神经病变相关的手术规划提供更有效的工具.
主要方法:
- 提出了一种新的多尺度边缘融合网络 (MSEF-Net),包括边缘特征融合模块 (EFFM) 和自适应多尺度融合模块 (AMSF).
- EFFM将Sobel操作员边缘检测与边缘引导注意模块 (EAM) 结合起来,以突出边缘结构.
- AMSF在网络的解码器中自适应地融合了多尺度的特征地图.
主要成果:
- 在MSEF-Net上,在89名患者的2848张脊椎MRI图像的数据集上,在 lumbosacral plexus细分方面表现出卓越的性能.
- 实验结果证实了与现有的最先进的细分方法相比,拟议网络的有效性.
- 该方法成功地解决了与复杂结构和MRI扫描中的低对比度相关的挑战.
结论:
- MSEF-Net是一种有效的深度学习方法,用于使用MRI进行准确的腰部神经细分.
- 这种改进的细分能力可以增强计算机辅助诊断和脊髓神经疾病的手术干预.
- 拟议的网络架构为医疗成像中挑战性解剖区域的细分提供了一个有希望的解决方案.
