目标意识的交叉模式未经监督的域调整为前庭瘤和尾细分的前庭瘤
Bogyeong Kang1, Hyeonyeong Nam1, Myeongkyun Kang2
1Department of Artificial Intelligence, Korea University, Seoul, South Korea.
Scientific reports
|November 13, 2024
概括
这项研究引入了一种用于医学图像翻译的新方法,改进了前庭神经瘤 (VS) 和尾细胞的细分. 目标意识方法通过考虑对象大小和视觉特征来提高准确性,解决目前无监督域调整技术的局限性.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 计算机视觉 计算机视觉 计算机视觉
背景情况:
- 高分辨率的T2 (hrT2) 成像比对比增强的T1 (ceT1) 优先用于前庭神经瘤 (VS) 和尾细分,因为对比剂的风险.
- 对于HRT2成像的注释数据不足,阻碍了可靠的细分模型的开发.
- 无监督域适应 (UDA) 将ceT1转换为hrT2图像,但往往无法保存像VS和带这样的小物体.
研究的目的:
- 为医疗图像翻译开发一个新的目标意识的无监督域适应框架.
- 为了提高前庭神经瘤 (VS) 和带在 hrT2 图像中的细分精度.
- 解决现有的UDA方法的局限性,这些方法不考虑目标对象的特性.
主要方法:
- 提出了一个基于目标的无监督域调整框架,利用基于目标的规范化.
- 根据目标对象 (VS和耳) 的独特视觉特征和尺寸量身定制的图像翻译.
- 在公开可用的挑战数据集上评估了框架.
主要成果:
- 拟议的目标意识框架在将ceT1图像转换为hrT2图像方面表现出卓越的性能.
- 比以前的方法更有效地保留了小目标物体 (VS和尾) 的结构.
- 通过准确地反映目标对象风格,实现了更好的细分质量.
结论:
- 目标意识的UDA框架显著提高了对VS和尾细分的医疗图像翻译.
- 这种方法为具有有限注释 hrT2 数据的细分任务提供了更强大的解决方案.
- 这种方法有望提高神经成像诊断的准确性.
