SDR-Former:一个语双分辨率变压器,用于使用3D多相成像技术对肝病变进行分类

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 放射学 放射学是一门学科.

背景情况:

• 在多相CT和MR扫描中自动化肝病变分类至关重要,但很困难.
• 现有的方法在不同的相数和捕捉复杂特征方面扎.

研究的目的:

• 在3D多相CT和MR成像中开发一种新型框架,用于准确地对肝病变进行分类.
• 为了应对不同相位数所带来的挑战,并增强特征表示.

主要方法:

• 一个语双分辨率变压器 (SDR-Former) 框架被提出,利用一个语神经网络 (SNN).
• 一个混合双分辨率变压器 (DR-Former) 结合了3D CNN和3D变压器进行多分辨率分析.
• 为动态相位权重引入了一个自适应相位选择模块 (APSM).

主要成果:

• SDR-Former框架在3相CT和8相MR数据集的肝损伤分类中显示出显著的有效性.
• 实验验证证了框架能够有效地捕捉本地和全球特征的能力.

结论:

• 拟议的SDR-Former框架为肝损伤分类提供了一个强大的,计算效率高的解决方案.
• 一个开创性的,公开可用的多相MR数据集用于肝损伤分析,已发布以支持研究界.