多相功能互动变压器网络用于肝脏瘤细分和微血管入侵评估在增强对比度的CT中

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:

• 准确的肝脏瘤细分对于临床应用至关重要.
• 现有的模型很难有效地利用多相CT数据和全球信息.

研究的目的:

• 开发一个先进的AI网络 (MI-TransSeg),使用多相CT进行精确的肝脏瘤细分.
• 评估模型在预测微血管入侵 (MVI) 的能力.

主要方法:

• 拟议的MI-TransSeg网络具有多相特征交互模块和层次变压器编码解码器.
• 实施了多个分辨率尺度的特征聚合策略 (MSFA).
• 利用了来自多相对比增强CT扫描的164名肝脏瘤患者的数据集.

主要成果:

• 在肝脏瘤细分方面,MI-TransSeg的性能优于现有的最先进的方法.
• 由MI-TransSeg生成的细分面具显示了微血管入侵评估的潜力.

结论:

• MI-TransSeg提供了一种创新的方法,通过有效利用多相CT数据来细分复杂的肝脏瘤.
• 该网络有可能帮助放射科医生诊断肝脏瘤和MVI评估.