相关实验视频
域自适应检测框架用于在放射图上多中心骨瘤检测
Bing Li1, Danyang Xu2, Hongxin Lin3
1Medical AI Lab, School of Biomedical Engineering, Medical School, Shenzhen University, Shenzhen, China; Medical Imaging Department, The First Affiliated Hospital of Guangdong Pharmaceutical University, China.
概括
一个新的域适应性框架通过弥合不同成像中心之间的域间隙,改善了X光片中的骨瘤自动检测. 这提高了模型的概括性和准确性,以便更好地诊断癌症.
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:
- 在X光照上自动检测骨瘤对于降低骨癌死亡率至关重要.
- 由于域转移,模型性能在不同的成像中心下降.
- 获取各种领域的大型注释数据集在临床上具有挑战性.
研究的目的:
- 提出一个域适应 (DA) 检测框架,以解决骨瘤放射图中的域差距.
- 提高自动骨瘤检测模型在多个中心的概括性和性能.
主要方法:
- 一个四部分的DA框架:多级特征对齐 (MFAM),瓦斯斯坦距离批评 (WDC),实例特征对齐 (IFAM) 和一致性规范化 (CRM).
- 将域区分器与注意力机制相结合,以进一步提高模型性能.
主要成果:
- 拟议的框架提高了源域的1%和目标域的8.9%的平均精度 (AP) 在超过联盟值0.2 (AP@20) 的交叉点上.
- 通过添加基于注意力的域区分器,AP@20在源域增长了2%,在目标域增长了10.7%.
结论:
- 该DA框架有效地弥合了骨瘤放射图中的域差距.
- 该模型在不同临床中心的概括和性能方面取得了显著的改进,解决了人工智能辅助诊断的关键挑战.