多重感知对比学习用于CT图像中的自动卵巢瘤分类
Lingwei Li1,2, Tongtong Liu3, Peng Wang2
1School of Medical Technology and Engineering, Henan School of Science and Technology, Luoyang, 471032, China.
Abdominal radiology (New York)
|March 13, 2025
概括
这项研究引入了一种自动化的深度学习方法,用于使用CT扫描来诊断卵巢癌. 该方法实现了高精度,改善了早期检测和患者存活率.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 卵巢癌是全球女性癌症死亡的主要原因之一.
- 早期检测显著提高了患者的生存率.
- 目前的CT图像分析依赖于主观放射科医生的解释,导致变化.
研究的目的:
- 开发一个自动化和可靠的诊断系统,使用CT图像对卵巢瘤进行分类.
- 通过深度学习提高卵巢癌诊断的准确性和稳定性.
主要方法:
- 利用监督对比学习和多重感知编码器 (MP编码器) 进行自动CT图像分类.
- 集成的T-Pro技术用于数据增强和语义扰动,以改善泛化.
- 集成的多尺度感知 (MSP模块) 和多注意力 (MA模块) 以提高对瘤形态的敏感性.
主要成果:
- 在卵巢瘤中获得了98.43%的平均分类准确率.
- 在分类复杂或低质量的CT图像方面表现出卓越的有效性.
- 深度学习框架显著提高了分类的准确性和稳定性.
结论:
- 开发的深度学习框架为卵巢瘤提供了可靠的自动诊断工具.
- 这种方法增强了临床医生的诊断支持,有助于早期检测和治疗优化.
- 该方法在克服解释复杂的卵巢瘤CT图像方面的挑战方面表现有前途.


