源代码自由域调整用于脏和瘤图像细分,使用波形式挖掘
Yuwei Yin1,2, Zhixian Tang1, Zheng Huang2
1Department of Nephrology, Jinshan District Central Hospital affiliated to Shanghai University of Medicine & Health Sciences, The College of Medical Technology, Shanghai University of Medicine & Health Sciences, Shanghai, People's Republic of China.
Scientific reports
|October 22, 2024
概括
这项研究引入了一种新的无监督域适应框架,用于使用CT图像进行癌细分. 该方法提高了细分精度和概括性,解决了有限的标记医疗数据挑战.
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:
- 癌的诊断和治疗依赖于从CT图像中精确细分瘤.
- 医疗成像数据的有限可用性阻碍了智能诊断系统的发展.
- 无监督域调整 (UDA) 提供了一个潜在的解决方案,可以利用未标记的数据来改进细分.
研究的目的:
- 为脏和瘤CT图像细分开发一种新的UDA框架.
- 为了克服癌成像中标记医疗数据的稀缺性.
- 提高自动化细分模型的准确性和概括能力.
主要方法:
- 一个两阶段的UDA框架,包括一个生成阶段和一个适应阶段.
- 基于波形的样式挖掘生成器,用于创建类特定的,类似源的图像,以帮助域调整.
- 使用数据增强进行对比域提取和紧感知域一致性模块,用于使用数据增强进行特征和输出级别调整.
主要成果:
- 拟议的UDA框架在脏和瘤细分任务中表现出卓越的性能.
- 与现有的最先进的UDA方法相比,实现了更高的准确性和更好的概括能力.
- 验证了框架在解决医疗图像细分领域转移挑战方面的有效性.
结论:
- 新的UDA框架为CT图像中的脏和瘤细分提供了显著的优势.
- 这种方法有效地减轻了有限的标记数据的影响,为医疗诊断中更强大的AI铺平了道路.
- 这项工作突出了先进的UDA技术在改进放射性扫描的自动化分析方面的潜力.
