MaskAppendix:基于Grad-CAM的脊柱丰富面膜R-CNN用于自动附录细分
Emre Dandıl1, Betül Tiryaki Baştuğ2, Mehmet Süleyman Yıldırım3
1Department of Computer Engineering, Faculty of Engineering, Bilecik Seyh Edebali University, 11230 Bilecik, Türkiye.
Diagnostics (Basel, Switzerland)
|November 9, 2024
概括
本研究介绍了MaskAppendix,这是一个深度学习模型,用于CT扫描中准确的尾细分. 它实现了最先进的结果,提高了尾炎和相关疾病的诊断准确度.
科学领域:
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 尾炎是紧急腹部手术的常见原因,需要准确的诊断.
- 在医学成像中,自动化尾细分是由于解剖学变异性而具有挑战性的.
研究的目的:
- 为计算机断层扫描 (CT) 开发精确的尾细分方法.
- 提高尾炎的诊断准确度和临床工作流程效率.
主要方法:
- 建议使用ResNet101.1.使用背骨丰富的Mask R-CNN架构 (MaskAppendix).
- 集成梯度加权类激活映射 (Grad-CAM) 改进了功能本地化.
- 使用了Detectron平台进行实现.
主要成果:
- 在腹部CT扫描上,在尾细分方面取得了最先进的性能.
- 在自动细分方面获得了87.17%的子相似系数 (DSC) 得分.
- 与传统方法相比,证明了更高的准确性和稳定性.
结论:
- MaskAppendix框架提供了一种有效的工具,用于帮助临床医生诊断尾炎.
- 该方法有可能减少诊断错误并改善临床工作流程.
- 这种人工智能驱动的方法提高了对腹部疾病的医学图像分析的精度.
