滑动变压器与前置神经瘤自动细分不确定性估计
Yang Liu1, Mengjun Li2, Mingchu Li3
1College of Information Engineering, Zhejiang University of Technology, Hangzhou 310023, People's Republic of China.
Physics in medicine and biology
|February 29, 2024
概括
这项研究引入了一种新的人工智能方法,用于在MRI扫描上对前置瘤 (VS) 进行细分,提高准确性并为临床使用提供不确定性地图.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经外科 神经外科
背景情况:
- 使用MRI对前庭神经瘤 (VS) 的自动细分有助于临床效率.
- 目前的方法与瘤边界和囊区域的模糊性作斗争,缺乏不确定性指示.
- 临床翻译需要细分结果与信心指标.
研究的目的:
- 开发一种自动化的VS细分方法,提供细分面具和不确定性地图.
- 为了提高临床应用的VS细分的准确性和可靠性.
主要方法:
- 采用了一种U形级联变压器,并采用了滑动窗口的方法.
- 该模型包含多个滑动样本,一个细分头和一个不确定性头.
- 利用了来自60名临床VS患者的多模式MRI数据.
主要成果:
- 拟议的方法在临床VS数据集上实现了96.08%±1.30的子相似系数 (DSC).
- 在公开的VS数据集上,该方法实现了平均DSC94.23%±2.53.
- 结果与现有的最先进的脑瘤细分方法相比或优于.
结论:
- 开发的方法有效地对VS进行细分,并提供关键的不确定性信息.
- 不确定性地图帮助临床专家审查细分结果.
- 这种方法有助于将自动细分转化为临床辅助诊断工具.
