LGENet:解开解剖学和病理学特征,用于晚期加多增强图像细分
Mingjing Yang1, Kangwen Yang1, Mengjun Wu1
1College of Physics and Information Engineering, Fuzhou University, Fuzhou, Fujian, China.
Medical & biological engineering & computing
|February 24, 2025
概括
这项研究介绍了LGENet,这是一个创新的网络,用于心脏成像中的心肌痕细分. LGENet有效地解决了数据不平衡和痕尺寸变化等挑战,提高了心血管疾病的诊断准确度.
科学领域:
- 心血管成像 - 心血管成像
- 医学图像分析 医学图像分析
- 人工智能在医学中的应用
背景情况:
- 心肌痕细分对于诊断和预测心血管疾病至关重要.
- 晚期加多增强 (LGE) 成像可视化心脏痕,但由于数据不平衡和痕大小变化,自动细分很困难.
研究的目的:
- 推出LGENet,这是一个创新的网络,用于在LGE图像中准确的自动痕细分.
- 解决痕细分方面的挑战,包括数据不平衡和痕大小变化.
主要方法:
- LGENet从LGE图像中解开了解剖学和病理学特征.
- 一个边界注意模块条件在解剖边界上的痕细分,减轻数据不平衡.
- 一个多深度决策模块可以在多个尺度上进行痕预测,以处理大小变化.
主要成果:
- 在LAScarQS 2022和EMIDEC数据集上对LGENet进行了评估.
- 拟议的网络在心脏痕细分任务中表现出有希望的表现.
结论:
- LGENet为自动心肌痕细分提供了一个有效的解决方案.
- 该网络能够处理特征解,边界注意力和多尺度预测的能力,有助于提高心脏痕细分的准确性.
