全球-本地特征融合网络基于MRI脑瘤细分的非线性尖端神经卷积模型
Junjie Li1, Hong Peng1, Bing Li1
1School of Computer and Software Engineering, Xihua University, Chengdu 610039, P. R. China.
International journal of neural systems
|April 28, 2025
概括
这项研究引入了一种使用非线性尖端神经P (NSNP) 类卷积模型的新型网络,用于准确的MRI脑瘤细分. 该模型有效地融合了全球和本地特征,在基准数据集上实现了高性能.
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:
- 通过MRI进行脑瘤细分是具有挑战性的,因为瘤特征的变化.
- 准确的细分对于诊断,治疗计划和外科导航至关重要.
研究的目的:
- 为MRI脑瘤细分提出一种全新的全球-本地特征融合网络.
- 为了提高细分精度,利用一种新的NSNP类型的卷积模型.
主要方法:
- 在编码器中开发了一个包含扩展SNP (DSNP) 和多路径扩展SNP聚合 (MDSP) 模块的网络,用于功能融合和防止功能丢失.
- 在解码器中使用了Poolformer模块来处理全球上下文并促进本地-全球功能交互.
- 在跳过连接中集成了一个通道空间注意 (CSA) 模块,以建立远程依赖关系并增强全球建模能力.
主要成果:
- 在N-BraTS2021数据集上实现了85.71% (ET),92.32% (WT) 和87.75% (TC) 的子系数.
- 在BraTS2018和BraTS2019数据集上表现出强的表现,子系数高达92.30%.
- 该模型表现出良好的概括能力以及高分段性能.
结论:
- 拟议的NSNP类卷积模型网络有效地在MRI中对脑瘤进行细分.
- 专业模块 (DSNP,MDSP,Poolformer,CSA) 的集成增强了特征融合和全球建模.
- 该模型显示了有前途的结果,并对脑瘤细分任务进行了良好的概括.
