从使用双流多层融合框架的多模态非对比图像精确细分肝脏瘤
Chenchu Xu1, Xue Wu2, Boyan Wang3
1Artificial Intelligence Institute, Anhui University, Hefei, China; Institute of Artificial Intelligence, Hefei Comprehensive National Science Center, Hefei, China.
概括
这项研究引入了一种新的双流多层融合框架 (DM-FF),用于使用非对比多模式MRI进行准确的肝脏瘤细分. DM-FF有效地融合了图像特征,以克服模式间干扰,提高了诊断能力.
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:
- 肝脏瘤细分对于诊断至关重要,但由于模间干扰,在非对比多模式图像方面具有挑战性.
- 现有的方法在没有对比剂的情况下,很难有效地融合不同图像类型 (T1FS,T2FS,DWI) 的信息.
- 在临床应用中,准确的非对比性MRI细分对于临床应用至关重要,避免与对比剂相关的风险.
研究的目的:
- 开发和验证一个新的框架,用于准确的肝脏瘤细分直接从多模式非对比的MRI.
- 为了应对T1FS,T2FS和DWI序列信息的融合中模间干扰的挑战.
- 提高非对比性MRI用于肝脏瘤诊断的临床实用性.
主要方法:
- 提出了一种双流多层融合框架 (DM-FF),包含基于注意力的编码器-解码器.
- 设计了两个融合模块:一个用于共享表示 (共同点),另一个用于决策证据 (差异),以减轻干扰.
- 集成特征提取和多层融合,使非对比模式之间的合作.
主要成果:
- 在两台MRI扫描仪上,在250名患有多种肝脏瘤的患者的数据集上,获得了81.20%的子得分.
- 与八个最先进的细分架构相比,Dice得分至少增加了11%,表现出显著的性能改善.
- 验证了DM-FF在通过多模式非对比MRI精确细分肝脏瘤方面的有效性.
结论:
- 拟议的DM-FF框架能够通过有效地融合互补信息和减轻模间干扰,从多模态非对比MRI中准确地细分肝脏瘤.
- DM-FF显著推动了非对比性肝脏瘤细分技术的开发和临床部署.
- 这种方法为肝脏瘤诊断提供了一个有希望的替代方案,通过消除对比剂来提高准确性和患者安全性.
