从计算机断层扫描使用对抗性和转导性学习进行的肺瘤的三维重建
Zhisen He1, Leila Jamel2, Danyi Huang3
1Department of Electrical, Computer, and Systems Engineering, Case Western Reserve University, Cleveland, 44106, USA.
Scientific reports
|September 30, 2025
概括
这项研究引入了从CT扫描中进行3D肺瘤重建的新框架. 它改善了细分和检测,帮助放射科医生在早期肺癌诊断和治疗计划.
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:
- 肺癌需要早期检测,以改善患者的治疗结果.
- 在CT扫描中精确细分和检测肺部瘤是具有挑战性的.
- 现有的方法在精确的瘤划分和特征提取方面扎.
研究的目的:
- 开发一种用于从CT扫描中生成3D肺瘤表示的新框架.
- 为了提高肺组织细分和瘤检测的准确性.
- 提高肺癌诊断和治疗规划的效率和有效性.
主要方法:
- 一个定制的生成对抗网络 (GAN),用于肺组织细分的近接政策优化 (PPO).
- 一个对抗性损失训练的GAN用于改善瘤检测,即使对比度低.
- 基于EfficientNet和空间注意力的传导性长短期记忆 (TLSTM) 用于特征提取和3D重建.
主要成果:
- 在LIDC-IDRI数据集上取得了卓越的性能,豪斯多夫距离 (HD) 为0.648和欧几里德距离 (ED) 为0.985.
- 该框架有效地解决了细分和瘤检测方面的挑战.
- 与现有方法论相比,证明了显著的改进.
结论:
- 拟议的框架为3D肺瘤重建提供了一个强大的解决方案.
- 这项技术可以成为放射科医生的宝贵临床工具.
- 这项研究推进了人工智能在早期肺癌诊断和治疗规划中的应用.
