在大规模磁共振成像数据集中精确的前列腺细分通过第一进第一出特征记忆和多级上下文建模
Jingyi Zhu1, Xukun Zhang1, Xiao Luo1
1Academy for Engineering and Technology, Fudan University, Shanghai 200433, China.
Journal of imaging
|February 25, 2025
概括
这项研究引入了MCM-UNet用于MRI中精确的前列腺细分,提高了癌症诊断的准确性. 该方法增强了边界检测,特别是在具有挑战性的顶部和底部区域,优于现有技术.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 计算机视觉 计算机视觉
背景情况:
- 前列腺癌的诊断依赖于MRI扫描的准确细分.
- 挑战包括MRI中的微妙边界和模糊区域 (顶部,底部).
- 精确的前列腺划界对于有效的治疗计划至关重要.
研究的目的:
- 开发一种用于MRI精确前列腺细分的新方法,专注于顶部和底部区域.
- 为了提高医学图像中前列腺边界划分的准确性.
- 通过改进细分来提高前列腺癌的诊断能力.
主要方法:
- 引入一个多尺度上下文建模模块 (MCM) 来增强边界像素表示.
- 实施一个先进先发的动态调整机制,以优化特征向量选择.
- 开发MCM-UNet架构以提高细分性能.
主要成果:
- 拟议的MCM-UNet实现了0.58voxels的平均对称表面距离 (ASSD).
- 在前列腺细分方面,Dice相似系数 (DSC) 达到91.71%.
- 细分结果与经验丰富的放射科医生的手动划分非常相匹配.
结论:
- MCM-UNet方法显著提高了MRI中前列腺细分的准确性.
- 这种方法有效地解决了前列腺顶部和底部区域的划分方面的挑战.
- 这一进展对前列腺癌的诊断和治疗具有重大意义.
