肝脏和门静脉细分与双流深度神经网络
Jichen Xu1, Wei Jiang2, Jiayi Wu1
1National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, National Engineering Research Center for Visual Information and Applications, and Institute of Artificial Intelligence and Robotics, Xi'an Jiaotong University, Xi'an, China.
Medical physics
|April 22, 2024
概括
这项研究引入了一种新的深度学习网络,用于CT扫描中精确细分肝脏和门静脉 (PVs),改善肝病变的术前规划. 该方法有效地避免了对邻近船只的错误分类,优于现有的技术.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 手术规划 手术规划
背景情况:
- 在CT图像上精确细分肝脏和门静脉 (PVs),对于切除肝脏的术前规划至关重要.
- 手动细分是耗时的,劳动密集型的,容易引起观察者之间的变化.
- 现有的深度学习方法在错误分类外围容器方面扎.
研究的目的:
- 为肝血管 (HVs) 和PVs开发一个全自动且强大的语义细分算法.
- 通过修改注释和添加HV和PV面罩来增强医疗细分十项赛 (MSD) 数据集.
- 为了指导随后的肝损伤切除术的术前规划.
主要方法:
- 提出了一种双流肝门静脉细分网络,采用双流编码器,结合卷积和变压器块.
- 采用多尺度特征融合块,扩展卷积,用于增强特征提取.
- 引入了多层次的融合注意模块,以有效地提取上下文信息.
主要成果:
- 拟议的方法在两个修订后的数据集上,与最先进的方法相比,实现了更高的性能.
- 在第一个数据集上,在整体细分 (0.815),HV (0.835) 和PV (0.796) 上获得了高子分数.
- 在对联t试验中,比较方法的统计学显著改善 (p < 0.05) 已被证明.
结论:
- 开发的双流肝门静脉细分网络有效地解决了交错的外围静脉的错误分类问题.
- 该方法提供了HV和PV的准确细分,在重新标记的数据集上表现优于现有的方法.
- 这一进步支持改善肝脏手术的手术前规划.
