基于内容的3D图像检索和ColBERT启发的瘤标记和分期的重新排名
Farnaz Khun Jush1, Steffen Vogler2, Matthias Lenga2
1Radiology R&D, Bayer AG, Müllerstr. 178, 13353, Berlin, Germany. farnaz.khunjush@bayer.com.
Journal of imaging informatics in medicine
|August 27, 2025
概括
这项研究引入了C-MIR,这是一个新的系统,可以在没有预分段的情况下获取类似的医疗图像. 通过对先进的人工智能进行3D医学成像, 提高瘤检测, 特别是结肠和肺癌.
科学领域:
- 医学成像
- 人工智能
- 放射学
背景情况:
- 医疗图像的数量越来越多,
- 基于内容的图像检索 (CBIR) 有潜力,但缺乏标准化.
- 之前的CBIR研究重点是瘤特征,而不是体积数据.
研究的目的:
- 预先使用CBIR进行体积医学图像.
- 开发一个可以使用PACS (图片存档和通信系统) 的框架.
- 介绍和评估C-MIR,一种新的体积重新排名方法.
主要方法:
- 开发了一个独立于预分段或器官特定数据的框架.
- 引入C-MIR,适应ColBERT的晚期交互以进行3D医学成像.
- 在四个不同配置的瘤部位进行了全面评估.
主要成果:
- C-MIR有效地适应了后期的交互,以便在3D中进行上下文意识的重新排序.
- C-MIR定位了感兴趣的地区,否定了分类前的需求.
- 显著改善瘤标志,特别是结肠和肺瘤 (p<0. 05).
结论:
- C-MIR提供了一个计算效率高的数据丰富替代方案.
- C-MIR显示改善瘤分期的可能性.
- 这项工作将先进的检索技术与临床医疗应用相结合.
更多相关视频
06:47Expanding the Comprehension of the Tumor Microenvironment using Mass Spectrometry Imaging of Formalin-Fixed and Paraffin-Embedded Tissue Samples
Published on: June 29, 2022
2.3K
07:16Three-Dimensional Imaging of Tumor-Bearing Tissue Using the Iterative Bleaching Extends Multiplexity Approach
Published on: April 25, 2025
368
