在CT图像中半监控轨道细分,配对复制粘贴策略
Wentao Li1, Hong Song1, Danni Ai2
1School of Computer Science and Technology, Beijing Institute of Technology, Beijing, 100081, China.
Computers in biology and medicine
|February 24, 2024
概括
这项研究引入了一种新的半监督框架,用于在患有甲状腺相关眼科医症 (TAO) 患者的CT扫描中对轨道进行细分. 该方法使用最小的标记数据实现了高精度,改进了轨道减压手术分析.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 在CT图像中精确的轨道细分对于分析甲状腺相关眼科医疗 (TAO) 中的轨道减压手术至关重要.
- 细分具有挑战性,特别是在术后图像中,由于形状变化和有限的标记数据.
研究的目的:
- 开发一种自动的,双阶段的半监督框架,用于在手术前和手术后CT图像中对轨道进行细分.
- 通过合并配对的术前和术后图像的特征来提高细分网络的辨别能力.
主要方法:
- 一个双阶段的半监督框架,涉及伪标签生成和半监督细分.
- 一个配对复制粘贴策略,使用随机裁剪来结合标记和未标记的术前/术后图像的特征.
- 利用伪标签和地面真相的混合监督信号进行网络培训.
主要成果:
- 拟议的方法实现了91.92%的平均子相似系数 (DSC),仅有5%的标记数据.
- 在轨道细分精度方面,超过当前最先进的方法2.4%.
- 在温州医科大学眼科医院的CT数据集上展示了有效的细分.
结论:
- 开发的半监督框架有效地对TAO患者的CT图像中的轨道进行细分,即使具有有限的标记数据.
- 配对复制粘贴策略通过利用配对的术前和术后图像特征来提高网络性能.
- 这种方法为轨道减压手术中的定量分析提供了有希望的解决方案.
