KEVS:在前囊切除术CT中增强内脏脂肪组织的细分,使用高斯核密度估计
Thomas Boucher1,2, Nicholas Tetlow3,4, Annie Fung3,4
1Department of Medical Physics and Biomedical Engineering, UCL Hawkes Institute, UCL, London, UK. thomas.boucher.23@ucl.ac.uk.
概括
这项研究介绍了KEVS,这是一种用于预测前囊切除术CT扫描中的内脏脂肪组织 (VAT) 的新型自动化方法. 凯夫斯克服了现有方法的局限性,因为它不要求在培训中使用基本真相的增值税口罩.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 计算解剖学的计算解剖学
背景情况:
- 囊切除术患者的内脏脂肪组织 (VAT) 分布与术后并发症相关.
- 目前使用计算机断层扫描 (CT) 强度值的增值税细分方法存在观察者间的变化.
- 开发用于增值税细分的深度学习 (DL) 模型受到制约,因为难以创建基本真相面具.
研究的目的:
- 引入一种全新的,完全自动化的方法,用于在囊切除前的CT扫描中预测增值税.
- 克服现有的增值税细分技术的局限性,特别是需要基本真相面具和观察者间的变化.
- 在没有手动注释的情况下实现准确,扫描特定的增值税预测.
主要方法:
- 介绍核心密度增强增值税细分器 (KEVS).
- KEVS将DL语义细分模型与皮下脂肪组织的高斯核密度估计相结合.
- 这种独特的DL管道不需要地面真相增值税面具进行培训.
主要成果:
- KEVS在未见的CT数据中准确地对腹部器官进行细分.
- 在一个由20个前囊切除术CT扫描的数据集中,KEVS显示了与SOTA方法相比,Dice系数的显著改善.
- KEVS分别显示了对第二好的DL和基于值的方法的和改进.
结论:
- KEVS是一种先进的,自动化的方法,用于预测在前囊切除术CT时的增值税.
- 该方法消除了手动细分固有的观察者之间的变化.
- KEVS的培训完全基于开源的CT数据集,缺乏基础真相的增值税口罩.
