三分支特征增强和融合网络用于使用多式成像技术对焦皮质失生病变的细分,使用多式成像技术
Manli Zhang1, Hao Yu2, Gongpeng Cao1
1School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876, China.
Brain research bulletin
|February 26, 2025
概括
这项研究引入了一种新的深度学习网络 (TBFEF-Net),用于使用多式成像和波形镜图像改进的焦点皮质发育不良 (FCD) 检测. 该网络提高了病变定位的准确性,优于现有的方法.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经科学是一个神经科学.
背景情况:
- 传统的MRI和FDG-PET难以检测微妙的焦点皮质发育不良 (FCD) 病变.
- 形态测量图和波纹过图像为病变定位和纹理分析提供了补充信息.
研究的目的:
- 为了开发一种新的深度学习模型,三分支特征增强和融合网络 (TBFEF-Net) 为增强FCD本地化提供了增强的FCD本地化.
- 集成传统的多式联络成像,形态图和波形镜图像,以提高FCD细分的准确性.
主要方法:
- 基于UNet的三分支语义细分骨干从不同的成像模式中提取特征.
- 跨行业功能增强 (CFE) 和多功能融合 (MFF) 模块集成功能,注意力机制增强损伤表示和边缘检测.
- 波形过图像在FCD细分中首次被用于强调纹理和边缘细节.
主要成果:
- 与FCD细分的最先进方法相比,TBFEF-Net表现出优越的性能.
- 在初级队列中,Dice和灵敏度分别达到59.73%和67.13%.
- 在开放的队列中,Dice和灵敏度分别为54.67%和54.81%.
结论:
- 拟议的TBFEF-Net有效地整合了多式成像,形态图和波形镜图像,以精确地定位FCD.
- 波粒过图像的新使用为FCD病变检测和细分提供了新的视角.
