MRUNet-3D:用于肺结节细分的多级残留3DUNet
Ronald Bbosa1, Hao Gui1, Fei Luo1
1School of Computer Science, Wuhan University, Wuhan, China.
Methods (San Diego, Calif.)
|April 20, 2024
概括
在CT扫描中精确细分肺结节是很困难的. 我们的新型多层残留3D UNet (MRUNet-3D) 有效地提取多尺度特征,提高异质和小节点的细分精度.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 计算机视觉 计算机视觉
背景情况:
- 精确的肺结节细分在CT图像中至关重要,但由于结节的异质性和与周围组织相似的视觉特征,具有挑战性.
- 现有的方法,包括UNet变体,往往缺乏精确细分所需的强大的多尺度特征提取能力.
研究的目的:
- 提出和评估一种新的多级残留3DUNet (MRUNet-3D),以提高CT图像中肺结节的细分精度.
- 解决当前细分技术在处理结节异质性和改进小结节的检测方面的局限性.
主要方法:
- 在编码器阶段引入一个多级残留3D UNet (MRUNet-3D),其中包含一个多级Res2Net (MSR) 块.
- 该MSR块取代了标准的卷积层,以从各种接收场和分辨率中提取颗粒级的多尺度特征.
- 在LUNA16数据集上使用诸如子相似系数和表面距离等指标进行评估.
主要成果:
- 在Luna16数据集上,MRUNet-3D实现了83.47%的竞争性子相似系数和0.35毫米的平均表面距离.
- 拟议的方法在细分异构的肺结节方面表现出了稳健性.
- 在细分小肺结节方面,MRUNet-3D显示了更好的性能.
结论:
- 拟议的MRUNet-3D及其MSR和RFIA模块显著提高了CT图像中的肺结节细分精度.
- 该方法有效地解决了结节异质性带来的挑战,并改善了小结节的细分.
- 在医学成像中,MRUNet-3D为自动化肺结节分析提供了有前途的进步.
