多路径融合网络用于MRI的早期乳腺瘤细分
Yeru Xia1, Ning Qu2, Yongzhong Lin3
1School of Information and Communication Engineering, Dalian University of Technology, Dalian, China.
Medical physics
|May 3, 2025
概括
使用多路径方法,MPNet准确地对早期乳腺瘤进行细分. 这种方法增强了边界细节和背景,改善了早期乳腺癌检测和干预.
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:
- 乳腺癌带来了显著的死亡风险,特别是在女性中.
- 早期诊断对于改善生存率至关重要.
- 准确检测早期乳腺瘤是具有挑战性的,因为它们的小尺寸和模糊的边界.
研究的目的:
- 从磁共振成像 (MRI) 开发一种可靠的模型,用于从磁共振成像 (MRI) 细分早期乳腺瘤.
- 为早期乳腺癌检测提供质量评估.
- 解决目前早期瘤检测方法的局限性.
主要方法:
- 提出了MPNet,一种使用多路径融合策略的新型细分方法.
- 实施了详细信息通道 (DIP) 以保护高分辨率的边界特征.
- 使用上下文增强路径 (CEP) 与全球自我注意力用于语义信息.
- 设计了一种双边特征融合模块,以实现有效的特征相互作用.
- 利用了260例早期乳腺癌病例的临床数据集.
主要成果:
- MPNet实现了87.41%的工会 (IoU) 的平均交叉点.
- 在临床数据上,Dice的相似系数达到85.69%.
- 在细分小,早期乳腺瘤方面表现出有效性.
结论:
- 通过保留边界细节和增强上下文信息,MPNet有效地对早期乳腺瘤进行细分.
- 与最先进的方法相比,该方法显示出更高的性能.
- 在改善乳腺癌早期干预策略方面,MPNet具有前途.
