一个基于nnU-Net的改进的注意力模块,用于在MRI图像1中对初级中枢神经系统淋巴瘤 (PCNSL) 的细分
Chen Zhao1, Jianping Song2,3, Yifan Yuan2,3
1School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, China.
Journal of X-ray science and technology
|May 10, 2024
概括
这项研究引入了一种改进的注意力模块,用于初级中枢神经系统淋巴瘤 (PCNSL) 的自动脑MRI细分. 该方法提高了精度和定位,以便更好地规划放射治疗.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 对初级中枢神经系统淋巴瘤 (PCNSL) 的准确细分对于放射治疗和治疗计划至关重要.
- 手动细分是耗时且容易出现错误的.
- 现有的自动化方法与PCNSL的复杂性作斗争,往往导致细分不足.
研究的目的:
- 开发一种改进的注意力模块,用于脑MRI中自动PCNSL细分.
- 为了应对诸如小瘤大小,扩散分布和层间连续性差等挑战.
- 克服当前自动化方法中过度细分的趋势.
主要方法:
- 收集了114个PCNSL患者的T1MRI扫描.
- 实施了五重交叉验证策略.
- 开发了一个与nnU-Net集成的注意力模块,具有3D卷曲,批量规范化,残留注意力和多尺度扩展卷曲.
- 利用注意力特征与3D卷曲的融合 (AFF3D) 来减少低分段.
主要成果:
- 拟议的注意力模块证明了PCNSL的细分精度提高.
- 获得了0.9349.9的子相似系数 (DSC).
- 有效地区分了扩散和边缘增强的瘤类型,并在各种尺度上捕获了特征.
结论:
- 开发的方法显著提高了脑MRI中的PCNSL细分.
- 这是第一个将注意力模块应用于深度学习中的PCNSL细分的研究.
- 这种方法促进了精确的PCNSL定位,以改善放射治疗计划.
