平行途径:使用平行囊网络进行基于多模式的脑瘤细分
Santhosh Kumar S1, Sasirekha S P1, Santhosh R1
1Department of Computer Science and Engineering, Faculty of Engineering, Karpagam Academy of Higher Education, Coimbatore, India.
Electromagnetic biology and medicine
|October 29, 2024
概括
本研究介绍了使用MRI和PET成像进行增强脑瘤细分的并行途径框架. 这种新的方法提高了准确性,克服了当前诊断工具的局限性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 由于异常细胞生长和磁共振成像 (MRI) 和正子发射断层扫描 (PET) 扫描的准确细分难度,脑瘤诊断具有挑战性.
- 边界像素的有限灵敏度和目前基于融合的策略的不足,妨碍了精确的瘤定位和尺寸确定.
研究的目的:
- 通过整合MRI和PET数据来开发一个先进的框架,并行途径,以提高脑瘤细分的准确性.
- 克服现有的细分方法的局限性,特别是在具有挑战性的边界地区.
主要方法:
- 使用改进的卡尔曼过器 (IKF),预期最大化 (EM) 和改进的振动算法 (IVib) 的图像质量增强.
- 通过双树复杂波纹转换 (DTWCT) 实现多模式图像融合.
- 使用高级囊网络 (ACN) 提取特征,并通过基于多目标多元进化选择减少维度,然后使用双重注意力的双视变压器进行细分.
主要成果:
- 平行途径框架在脑瘤细分方面表现出更高的模型性能.
- 包括精度,灵敏度,特异性,F1-Score和AUC在内的评估指标显示出优于现有方法的优势.
结论:
- 平行途径框架通过有效地整合多模式成像数据,为脑瘤细分提供了一种优越的方法.
- 这一进步具有显著的潜力,可以提高脑瘤诊断和治疗规划的准确性和有效性.


