相关实验视频
Updated: Jun 26, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
389
一个由变压器引导的交叉模式适应性特征融合框架,用于食道瘤总体体积细分
Yaoting Yue1, Nan Li2, Gaobo Zhang1
1Department of Biomedical Engineering, School of Information Science and Technology, Fudan University, Shanghai 200438, PR China.
Computer methods and programs in biomedicine
|May 18, 2024
概括
这项研究介绍了TransAttPSNN,这是一个用于使用PET/CT扫描对食道瘤进行细分的新型网络. 变压器引导的融合提高了对食道癌的放射治疗计划的准确性.
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:
- 精确对食道总瘤体积 (GTV) 的细分对于食道癌的有效放射治疗至关重要.
- 目前的方法融合了PET和CT图像,但由于卷积限制,由于远程依赖性而扎.
- 基于学习的PET/CT融合通过结合代谢和解剖数据来增强细分.
研究的目的:
- 开发一个先进的网络,以改善食道GTV细分,使用跨模式PET/CT扫描.
- 克服纯卷积架构在捕捉远程空间依赖性的局限性.
- 引入变压器引导的自适应特征融合方法,以提高细分精度.
主要方法:
- 拟议的TransAttPSNN:一个变压器引导的跨模式自适应特征融合网络.
- 将卷积注意纳入一个渐进的语义嵌套网络 (AttPSNN).
- 开发了一个集成到PET和CT数据的双流AttPSNN骨干中的Plug-and-Play变压器模块.
主要成果:
- 获得了0.76±0.13的子相似系数 (DSC).
- 获得了9.38 ± 8.76mm的豪斯多夫距离 (HD) 和1.13 ± 0.94mm的平均表面距离 (MSD).
- 在临床PET/CT队列的四重交叉验证中超越了最先进的方法,具有定性一致性.
结论:
- 变压器引导的融合模块有效地整合了PET和CT强度,用于食道GTV细分.
- TransAttPSNN推进了食道GTV细分的研究,提高了放射治疗的疗效.
- 拟议的方法在细分食道瘤方面表现出卓越的性能.
