相关实验视频
Updated: Jun 3, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
367
使用Swin UNEt TR 变压器进行强大的自动化鼠标微型CT细分
1Department of Radiation Oncology, University of California San Francisco, San Francisco, CA 94115, USA.
Bioengineering (Basel, Switzerland)
|January 8, 2025
概括
在微型CT扫描中,Swin UNETR精确地细分小鼠器官,优于其他模型. 这种先进的人工智能工具通过改进辐射研究的自动轮来增强临床前研究.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 临床前研究 临床前研究
背景情况:
- 图像引导的小鼠辐射对于在人类试验之前的临床前研究至关重要.
- 在微型CT扫描中精确的器官细分对于理解辐射干预至关重要.
研究的目的:
- 在微型CT扫描中使用Swin UNEt TRansformers (Swin UNETR) 来细分小鼠器官.
- 将Swin UNETR与3D no-new-Net (nnU-Net) 进行比较,以获得细分的准确性和稳定性.
- 评估Swin UNETR在不同的成像条件下对外部数据集的概括性.
主要方法:
- 使用Swin UNETR,将老鼠器官分割作为一个序列对序列任务,使用Swin转换器编码器和FCNN解码器.
- 模型在开放数据集上进行训练和评估,并通过不同的微型CT扫描仪在外部数据集上进行进一步测试.
- 使用子相似系数 (DSC) 和豪斯多夫距离 (HD95p) 进行基准性能测试.
主要成果:
- 与nnU-Net和AIMOS相比,Swin UNETR在平均DSC和HD95p中表现优越.
- 该模型在外部数据集上显示出异常的稳定性和通用性,能够处理成像噪声和质量的变化.
- 在两只特定的小鼠的肠道轮中观察到轻微的限制.
结论:
- 在临床前工作流程中,Swin UNETR是一种高度通用和高效的工具,用于在临床前工作流程中自动化器官轮.
- 该模型的性能表明它有可能显著推进图像导向辐射研究.
- 尽管微型CT成像参数的变化,但Swin UNETR为细分任务提供了强大的解决方案.
