互动级联网络用于从多模式MRI与自动化质量评估进行前列腺癌细分的互动级联网络
Weixuan Kou1, Cristian Rey2, Harry Marshall3
1Department of Electrical Engineering, City University of Hong Kong, Hong Kong.
Bioengineering (Basel, Switzerland)
|August 29, 2024
概括
这项研究引入了使用人工智能进行前列腺癌 (PCa) 分段的新框架. 它大大减少了手动注释,实现了高准确度,可与完全手动细分相比,只需一半的努力.
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:
- 精确的前列腺癌 (PCa) 分段从多参数MRI对于临床决策至关重要.
- 目前的自动化方法缺乏准确性,而交互式方法耗时.
- 现有的细分工作流程在成本效益和用户负担方面面临挑战.
研究的目的:
- 为准确和高效的PCa细分开发一个创新的框架.
- 为了减少医疗图像分割中的手动注释负担.
- 为了提高细分工作流程的成本效益,同时保持高准确度.
主要方法:
- 一个新的框架,结合了粗细分网络,拒绝网络和细分任何模型 (SAM).
- 自动化初始细分,然后通过拒绝网络进行质量评估.
- 对于低质量的细分,选择性用户交互,对于高质量的细分,自动化ROI裁剪.
主要成果:
- 该框架通过标记约20%的图像进行手动审查,显著减少了注释工作.
- 实现了最终细分的准确性,在统计学上无法与完全手动注释区分,只有50%的手动输入.
- 在细分效率和准确性方面取得了实质性的改进.
结论:
- 拟议的框架有效地平衡了细分的准确性和效率.
- 它为PCa细分提供了具有成本效益的解决方案,减少了用户干预.
- 这种可适应的框架有可能用于各种医疗图像细分应用.
