轻量级MRI脑瘤细分通过层次特征融合增强
Lei Zhang1, Rong Zhang1, Zhongjie Zhu1,2
1Ningbo Industrial Vision and Industrial Intelligence Lab, Zhejiang Wanli University, Ningbo 315100, China.
Tomography (Ann Arbor, Mich.)
|October 25, 2024
概括
一种新的轻量级MRI脑瘤细分方法,通过层次特征融合 (EHFF) 增强,减少模型参数并改善边界划分. 这种方法在BraTS 2021数据集上实现了高精度.
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:
- 目前的MRI脑瘤细分方法往往有太多的参数.
- 现有的技术在精确的瘤边界划分方面扎.
研究的目的:
- 引入一种轻量级的MRI脑瘤细分方法.
- 为了提高细分性能和降低模型复杂性.
主要方法:
- 开发了一种增强的层次特征融合 (EHFF) 方法.
- 引入了适应性特征学习 (AFL) 用于宏观感知和微观焦点.
- 实现了分层特征加权 (HFW) 以实现多个尺度的特征提炼.
- 使用层次特征保留 (HFR) 模块来保存细节.
主要成果:
- 拟议的EHFF方法在BraTS 2021数据集上取得了卓越的表现.
- 实现了 88.57% (ET),91.53% (TC) 和 93.09% (WT) 的子相似系数 (DSC).
结论:
- EHFF方法为MRI脑瘤细分提供了有效和高效的解决方案.
- 这种轻量级的方法提高了瘤边界细分的准确性和细节保存.
