在肝癌切除后的CT图像上使用基于半自动CNN的细分来精确细分切除区域
Quoc Anh Le1, Xuan Loc Pham2, Theo van Walsum3
1AVITECH, VNU University of Engineering and Technology, Hanoi, Vietnam.
Medical physics
|September 9, 2024
概括
这项研究引入了一种半自动方法,用于在CT扫描中对肝脏切除区域进行细分,提高精度并减少手动校正时间. 该技术增强了对肝损伤治疗成功的定量评估.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 在对比度增强的计算机断层扫描 (CECT) 中精确细分除区域对于评估肝损伤治疗成功至关重要.
- 目前的全自动化方法在准确性方面面临挑战,需要耗时的手动改进.
研究的目的:
- 开发一种半自动技术,用于CT图像中精确细分肝脏剥离区域.
- 克服现有方法的局限性,提高准确性和效率.
主要方法:
- 一种混合方法,将基于CNN的自动细分与基于CNN的交互性改进相结合.
- 最初的粗细分之后是专家验证和在单个切片上进行局部校正.
- 模型在内部数据集上进行训练和验证,并在外部基准数据集上进行测试.
主要成果:
- 半自动方法实现了高准确度,内部数据的平均Dice相似系数 (DSC) 为94.0%,基准数据为87.8%.
- 纠正时间平均为每例2分钟,性能与专家手动细分相当.
- 该方法在废弃细分精度方面表现出了最先进的性能.
结论:
- 拟议的基于CNN的半自动细分有效地细分了废除区域,增强了CECT在治疗评估中的价值.
- 该方法提供了一个可复制的解决方案,模型,代码和工具公开用于研究.
