UTADC-Net:用于医疗图像分割的无监督拓意识扩散凝结网络

科学领域:

• 医学成像分析分析 医学成像分析
• 医疗保健中的人工智能
• 计算解剖学的计算解剖学

背景情况:

• 医学图像细分对于诊断和治疗规划至关重要.
• 无监督方法通过使用未标记的数据,为临床应用提供了希望.
• 现有的不受监督的方法难以保持解剖拓一致性,导致错误.

研究的目的:

• 为医疗图像细分引入一个新的无监督网络.
• 为了提高分段结果的拓一致性和结构完整性.
• 为无监督医疗图像细分提供实用解决方案.

主要方法:

• 开发了无监督的拓意识扩散凝结网络 (UTADC-Net).
• 采用以像素为中心的补丁嵌入模块来融合本地和全球信息.
• 引入了一种适应的拓约束机制,用于学习解剖学上对齐的表示.

主要成果:

• 在三个数据集上,UTADC-Net显著超过了现有的无监督方法.
• 实现了卓越的细分精度和拓结构的保存.
• 在细分结果中表现出优异的解剖结构一致性.

结论:

• 拟议的UTADC-Net为无监督医疗图像细分提供了一种新且实用的解决方案.
• 扩散凝结框架有效地模拟了远程依赖关系,并结合了拓约束.
• 该方法成功地解决了现有的无监督细分技术的局限性.