多模态图像信心:一种用于瘤和器官边界表示的新方法
Liang Yang1, Xiao Liu2, Zirong Li2
1Department of Radiation Oncology, Shanghai First Maternity and Infant Hospital, School of Medicine, Tongji University, Shanghai, China.
International journal of radiation oncology, biology, physics
|September 20, 2024
概括
这项研究介绍了多式联络图像信心 (MMC),这是一种增强放射治疗医疗图像分析的算法. 在没有模型训练的情况下,MMC准确地划出瘤和器官边界,改善治疗规划.
科学领域:
- 医疗成像医学成像
- 辐射疗法 辐射疗法
- 计算解剖学的计算解剖学
背景情况:
- 医学图像中的模糊边界对放射治疗计划构成挑战.
- 准确地划分瘤和有风险的器官对于有效的治疗至关重要.
研究的目的:
- 引入和评估一种新的算法,多式联络图像信心 (MMC),以改善医疗成像中感兴趣区域 (ROI) 的划分.
- 为了利用多式联网成像数据来增强ROI边界和内部特征的可视化.
主要方法:
- 开发了一种分析算法,多式图像置信度 (MMC),利用语音间相关性将信任度分配给语音.
- 采用一个可解释的数学模型,传播voxel信心,消除了深度学习模型培训的需要.
- 生成特定模式的ROI增强图像,用于详细的边界和内部特征描绘.
主要成果:
- 定性评估显示,MMC精确地划定了病变边界,并捕获了内部瘤特征.
- 定量分析表明,MMC衍生的划分与手工细分之间存在很强的一致性.
- 对156例鼻癌和1251例质瘤病例进行了评估.
结论:
- MMC是一种多功能,尖端的算法,用于识别和说明多式3D医疗图像中的ROI边界.
- 该方法增强了用于放射治疗和其他图像相关任务的关键结构的划分.
- MMC提供了一个可解释的,无模型的医疗图像分析方法.
