相关实验视频
Updated: Jun 29, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
395
基于代干生长和弱监督机制的自动围胰血管细分和标签
Liwen Zou1, Zhenghua Cai2, Liang Mao3
1Department of Mathematics, Nanjing University, Nanjing, 210093, China.
Artificial intelligence in medicine
|March 29, 2024
概括
我们开发了一种自动周胰腺vEssel细分和标记 (APESA) 框架,以改善周胰腺静脉 (PPV) 细分和周胰腺动脉 (PPA) 标签,用于胰腺瘤手术. APESA显著提高了细分精度和标签效率,有助于手术规划.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 手术规划 手术规划
背景情况:
- 准确的周胰腺血管细分和标记对于胰腺瘤手术规划和预后至关重要.
- 现有的方法与周围胰腺静脉 (PPV) 分段完整性和连接性作斗争.
- 监督的方法需要大量的手动注释,而无监督的方法缺乏对解剖学变化的稳定性.
研究的目的:
- 引入自动围胰腺体细分和标记 (APESA) 框架.
- 为了提高周围胰腺静脉 (PPV) 的细分性能.
- 为了有效地标记周胰腺动脉 (PPA) 分支.
主要方法:
- APESA框架使用代干生长模块 (ITGM) 进行PPV细分.
- 对于PPA标签,采用一个弱监督的标签机制 (WSLM).
- ITGM反复地改进了静脉细分,而WSLM使用伪标签和专用网络进行动脉标签.
主要成果:
- 在PPV细分方面获得了94.01%的子得分,比最先进的方法提高了10%左右.
- 在PPA细分方面获得了97.01%的子得分.
- 与现有方法相比,在PPA标签方面表现出竞争力.
结论:
- APESA框架显著改善了周围胰腺血管细分和标签准确度.
- 在胰腺癌的手术规划中,APESA提供了更有效,更准确的解决方案.
- 拟议的方法解决了当前船舶细分和标签技术的局限性.
