交互式细分用于准确地将转移性病变从低分辨率的,大尺寸的骨头scintigrams中分离出来
Xiaoqiang Ma1,2, Qiang Lin1,2,3, Xianwu Zeng4
1Key Laboratory of China's Ethnic Languages and Information Technology of Ministry of Education, Northwest Minzu University, Lanzhou, People's Republic of China.
Physics in medicine and biology
|January 27, 2025
概括
本研究引入了一种交互式深度学习框架,用于在单光子发射计算机断层扫描 (SPECT) 图像中对骨转移进行细分. 开发的工具有助于医生准确地划分病变,提高癌症患者的诊断效率.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 骨转移在恶性瘤中很常见,需要在SPECT成像中进行准确的检测和划分,以规划治疗.
- 目前在SPECT扫描中手动划分骨损伤是主观的,容易变化.
- 自动细分方法往往产生高的假阳性率,限制了临床应用.
研究的目的:
- 开发一个交互式细分框架,以提高SPECT图像中骨转移线划分的准确性.
- 为了应对细分低分辨率,大尺寸的SPECT骨扫描的挑战.
- 创建一个原型工具,用于临床协助骨转移细分.
主要方法:
- 提出了一个使用深度卷积神经网络的交互式细分框架.
- 整合了一个U形的骨干网络来处理患者间的变化.
- 采用交互式注意模块来增强密集骨区域的特征提取.
主要成果:
- 拟议的框架通过对临床数据进行广泛的实验来证明其有效性.
- 成功开发了一种原型工具,以协助对转移性骨病变进行细分.
- 该框架支持创建用于骨转移细分的大规模数据集.
结论:
- 交互式细分框架在SPECT扫描中有效地细分骨转移,特别是肺癌.
- 开发的原型工具在协助骨转移细分方面显示出临床应用价值.
- 这种方法为具有挑战性的SPECT骨扫描细分任务提供了有希望的解决方案.
