在大腿骨头骨髓瘤中,用于死伤病变细分的减法加法策略
Jiping Zhang1, Sijia Guo1, Degang Yu2
1School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, 200240, China.
概括
一个新的"减去-加法"策略显著改善了深度学习模型,用于对股骨头骨硬化 (ONFH) 病变进行细分. 这种方法提高了这种严重的部疾病的诊断准确度.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 股骨头骨死 (ONFH) 是一种使人虚弱的骨疾病,导致关节功能障碍.
- 精确细分死角病变对于ONFH诊断和治疗规划至关重要.
研究的目的:
- 增强深度学习模型,以改善ONFH死角病变的细分.
- 引入一种新的预处理策略,将域名知识纳入神经网络输入.
主要方法:
- 一个小小的东西.
- 减去 - 增加 - 减去
- 开发了预处理策略,利用ONFH病变在股骨头上的解剖学限制.
- 这种方法涉及减去不相关的voxel,并将骨罩信息添加到输入数据中.
- 该策略在各种现成的深度神经网络中进行了测试.
主要成果:
- 这是一个很棒的节目,这是一个很棒的节目.
- 减去 - 增加 - 减去
- 这一战略导致了测试网络的性能改善,包括FCN,HRNet,SegNet和UNet.
- 子相似系数显著增加,FCN和HRNet的统计学上有显著改善.
- 该战略为ONFH提高了通用网络的细分精度.
结论:
- 这是一个很棒的节目,这是一个很棒的节目.
- 减去 - 增加 - 减去
- 这一战略有效地提高了语义细分网络的性能,用于瘤病变细分.
- 这种方法是多功能和与各种网络架构兼容的,减少了专门模型开发的需要.
