基于Mamba和ResNet的双分支网络用于超声波甲状腺结节细分
Min Hu1, Yaorong Zhang1,2, Huijun Xue1
1Department of Medical Electronics, School of Biomedical Engineering, Air Force Medical University, Xi'an 710032, China.
Bioengineering (Basel, Switzerland)
|October 25, 2024
概括
一个新的双分支网络 (MRDB) 在超声波图像中改善了甲状腺结节的细分. 这种方法提高了诊断甲状腺癌和计划手术的准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 在超声波图像中精确的甲状腺结节细分对于甲状腺癌诊断和手术规划至关重要.
- 挑战包括甲状腺结节的不规则形状,模糊的边界和可变的回声纹理.
- 现有的方法难以精确对这些复杂结构进行细分.
研究的目的:
- 开发一种新的深度学习模型,用于准确的甲状腺结节细分.
- 为了应对不规则形状,模糊边界和回声纹理变化的挑战.
- 为了提高甲状腺结节细分的性能,用于临床应用.
主要方法:
- 提出了一个基于Mamba和ResNet的双分支网络 (MRDB).
- 利用视觉状态空间块 (VSSB) 和ResNet-34为双编码器提取全球和本地特征.
- 采用了不同的解码器策略 (上抽样-卷积和卷积-上抽样) 和交叉跳过连接.
- 引入混合损失函数以增强边界细分.
主要成果:
- MRDB获得了高的子相似系数 (DSC) 评分:在TN3K上达到90.02%,在TNUI-2021上达到80.6%.
- 与基线相比,在外部DDTI数据集上显示了10.8%的DSC改进.
- 在临床小规模甲状腺结节数据集上展示了强大的概括能力.
结论:
- 拟议的MRDB有效地提高了甲状腺结节细分的准确性.
- 网络处理复杂节点特征的能力得到了验证.
- 在甲状腺成像中,MRDB显示了提高临床诊断和术前规划的巨大潜力.
