头部和部瘤分段MRI从前期和中期放射治疗与预训练,数据增强和双流UNet
Litingyu Wang1, Wenjun Liao1,2, Shichuan Zhang1,2
1University of Electronic Science and Technology of China, Chengdu, China.
Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
|April 28, 2025
概括
头瘤和淋巴结的自动细分对于癌症治疗至关重要. 这项研究使用预训练重量和用于中期放射治疗图像的新型网络增强了细分模型,实现了显著的性能改进.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 放射治疗规划 放射治疗规划
背景情况:
- 精确细分头部和部瘤和转移性淋巴结对于有效的癌症治疗计划和预后至关重要.
- 手动的像素级注释是劳动密集型的,需要用于头癌诊断和治疗的自动细分技术.
研究的目的:
- 研究和改进放射前 (RT前) 和放射后 (RT中) 头部和部图像的自动化细分策略.
- 开发和评估一种新的网络架构,通过利用RT前数据来对中期RT图像进行细分.
主要方法:
- 使用完全监督式学习方法进行预RT图像细分,并增强了预训练的权重和MixUp数据增强.
- 推出了一种新的,计算效率高的网络,用于中期RT和注册的RT前图像的编码器分开,逐步集成信息.
- 采用集成平均化策略,使用高性能模型在折叠中的预测进行最终推断.
主要成果:
- 在RT前的图像细分中获得了82.38%的子相似系数 (DSC).
- 在中RT图像细分方面获得了72.53%的DSC.
- 证明了拟议的方法和网络架构在细分具有挑战性的头癌成像数据方面的有效性.
结论:
- 开发的自动化细分策略显著提高了前RT和中RT头癌图像的准确性.
- 新型网络架构有效地整合了RT前和RT中期扫描的信息,为放射治疗规划提供了有前途的方法.
- 这项研究为推进计算机辅助诊断和治疗脑瘤学的研究提供了宝贵的工具和见解.
