DSA-前:用于肝脏和肝脏瘤细分的混合变量结构网络
Jun Qin1, Huizhen Luo1, Fei He1
1School of Computer Science and Technology, Changchun University of Science and Technology, Changchun, China.
概括
准确的肝脏和肝脏瘤细分对于诊断和治疗肝癌至关重要. 我们的DSA-Former网络提高了细分精度,提高了诊断能力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 精确的CT图像注释有助于肝癌的诊断和治疗.
- 肝脏瘤细分的挑战包括低组织密度和多层次问题.
研究的目的:
- 开发一个先进的细分网络,以改善肝脏和肝脏瘤的划分.
- 为了应对细分低密度肝脏组织和瘤的挑战.
主要方法:
- 提出了DSA-Former网络,集成卷积内核和注意力机制.
- 结合形态和边缘特征来捕获全球/本地和层间信息.
- 利用注意力机制提取详细信息,以提高细分精度.
主要成果:
- 实现了96.8%的肝脏细分和72.2%的肝脏瘤细分的Dice系数.
- 在子系数,IOU,VOE和HD95指标方面,与其他方法相比,具有显著的优势.
结论:
- DSA-Former方法显著提高了细分肝脏和肝脏瘤图像的精度.
- 为改善肝癌诊断和治疗规划提供了坚实的基础.
更多相关视频
08:41Novel In Vivo Micro-Computed Tomography Imaging Techniques for Assessing the Progression of Non-Alcoholic Fatty Liver Disease
Published on: March 24, 2023
1.1K
09:49Dual-phase Cone-beam Computed Tomography to See, Reach, and Treat Hepatocellular Carcinoma during Drug-eluting Beads Transarterial Chemo-embolization
Published on: December 2, 2013
10.3K
