相关实验视频
Updated: May 22, 2025
09:11
Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
21.3K
基于专家的SoftMax加权盒融合混合物用于超声波成像中的强大的损伤检测
Se-Yeol Rhyou1, Minyung Yu1, Jae-Chern Yoo1
1Department of Electrical and Computer Engineering, College of Information and Communication Engineering, Sungkyunkwan University, Suwon 440-746, Republic of Korea.
Diagnostics (Basel, Switzerland)
|March 13, 2025
概括
通过减少噪音和改善病变识别,CSM-FusionNet增强了对肝细胞癌 (HCC) 检测的超声波 (US) 成像. 这种新的框架显著提高了诊断准确性,并有助于临床决策.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 肝细胞癌研究 肝细胞癌研究
背景情况:
- 超声波 (US) 影像对早期肝细胞癌 (HCC) 检测至关重要.
- 美国成像中的挑战包括斑点噪音,低对比度和多样化的病变外观,影响诊断准确度.
- 准确的HCC检测对于及时治疗和改善患者结果至关重要.
研究的目的:
- 引入CSM-FusionNet,这是一个新的框架,旨在克服美国HCC病变检测的局限性.
- 为了提高超声波图像中病变检测的准确性和可靠性.
- 用先进的图像处理和机器学习来提高肝细胞癌的诊断性能.
主要方法:
- 开发了CSM-FusionNet,集成聚类,SoftMax加权盒融合 (SM-WBF) 和填充技术.
- 应用图像预处理,包括强度调整,直方图平衡和过到原始美国图像.
- 利用数据增强和训练了10个YOLOv8网络,使用mAP@0.5用于SM-WBF权重和DBSCAN用于界限框集群.
主要成果:
- 从82.48%提高到97.58%,精度显著提高,灵敏度达到100%.
- 在应用聚类和SM-WBF后,损伤检测准确度从56.11%提高到95.56%.
- 该框架有效地减少了冗余检测,并增强了特征表示,以改善分类.
结论:
- CSM-FusionNet显示出显著的潜力,可以提高美国的病变检测的诊断可靠性.
- 该框架有助于准确地对肝细胞癌病例进行临床决策.
- 这种方法为提高瘤学超声波诊断的准确性提供了有前途的进展.
