适应性窗口调整与边界DoU损失用于用bpMRI进行前列腺癌中的解剖学和病变的级联细分
Wenhao Li1, Bowen Zheng2, Quanyou Shen1
1School of Automation, Guangdong University of Technology, Guangzhou, 510006, China; Guangdong Provincial Key Laboratory of Intelligent Decision and Cooperative Control, Guangzhou, 510006, China; Guangdong-Hong Kong Joint Laboratory for Intelligent Decision and Cooperative Control, Guangzhou, 510006, China.
概括
这项研究引入了自适应窗口调整 (AWA) 模块和边界差异超过联盟 (DoU) 损失,以改善双参数MRI中的前列腺癌细分. 这些方法可以增强人工智能驱动的诊断和治疗规划.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在瘤学中的应用
- 放射学和诊断成像技术 放射学和诊断成像技术
背景情况:
- 在双参数MRI (bpMRI) 中精确细分前列腺解剖和病变对于人工智能辅助的前列腺癌诊断和治疗至关重要.
- 目前对bpmri的窗口设置调整是基于经验的,缺乏通用自动化.
- 优化细分性能需要有效的损失函数和图像预处理技术.
研究的目的:
- 开发一个自适应窗口调整 (AWA) 模块,用于前列腺bpMRI中自动,通用调整窗口设置.
- 评估和验证前列腺解剖和病变细分的各种损失功能的性能.
- 提出一个级联细分方法,整合解剖信息以提高准确性.
主要方法:
- 开发一个适应窗口调整 (AWA) 模块,以灵活优化窗口设置.
- 对3D医疗图像分割的边界差异与联盟 (DoU) 损失的调查和验证.
- 实施一个级联细分策略,利用解剖学先验.
- 对前列腺158,前列腺X和PI-CAI数据集进行实验验证.
主要成果:
- 拟议的AWA模块有效地适应窗口设置在不同的模式和任务.
- 与其他损失函数相比,边界差异超过联盟 (DoU) 损失在前列腺细分方面表现优越.
- 级联细分方法通过结合解剖学上下文,显著提高了病变细分的准确性.
- 在多个基准数据集中证实了一致的有效性.
结论:
- AWA模块提供了一个高效的,自动化解决方案,用于优化前列腺bpMRI中的窗口设置.
- 边界差异与联盟 (DoU) 损失是3D前列腺细分任务的高效损失函数.
- 拟议的级联细分方法增强了人工智能驱动的前列腺癌分析,提高了诊断和治疗的精度.
