阿联:在多模式医疗图像上进行通用解剖嵌入.
Xiaoyu Bai1, Fan Bai2, Xiaofei Huo3
1National Engineering Laboratory for Integrated Aero-Space-Ground-Ocean Big Data Application Technology, School of Computer Science and Engineering, Northwestern Polytechnical University, Xi'an 710072, China.
Medical image analysis
|April 10, 2025
概括
本研究介绍了一个统一的框架学习解剖嵌入 (UAE) 改进医疗图像分析. 阿联通过学习强大的解剖学表示来增强跨不同成像类型的地标检测和注册.
科学领域:
- 医学图像分析 医学图像分析
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 准确识别解剖结构对于医学图像分析至关重要.
- 基于示例的地标检测方法使用自主监督学习,但面临着外观变化和跨模式匹配的挑战.
研究的目的:
- 开发一个统一的框架学习解剖嵌入 (UAE) 解决目前医疗图像分析方法的局限性.
- 为了在不同的成像模式和条件下实现强大的地标检测和注册.
主要方法:
- 拟议的阿联框架包括语义嵌入学习与原型对比损失.
- 实施了基于固定点的匹配策略,以改善voxel对应.
- 采用了一种代方法,用于跨模式嵌入学习.
主要成果:
- 阿联在模式内和模式间的任务中表现出卓越的表现,包括一次性地标检测和损伤跟踪.
- 在CT-MRI相似/刚性注册方面取得了最先进的结果.
- 在各种医学图像分析应用中展示了强度和多功能性.
结论:
- 拟议的阿联框架在学习医学图像分析的解剖嵌入方面取得了重大进展.
- 阿联为地标检测和图像注册任务提供了强大而通用的解决方案.
- 该框架能够处理外观变化和跨模式匹配的能力提高了其在临床环境中的适用性.


