在使用Swin-Unet架构的SAGITTALMR图像中,完全自动对椎脊髓进行细分

科学领域:

• 医学成像分析分析 医学成像分析
• 神经科学是一个神经科学.
• 医疗保健中的人工智能

背景情况:

• 脊髓对于传输神经信号至关重要,但容易受到各种疾病的损伤.
• 准确的脊髓细分对于评估结构完整性和诊断神经障碍至关重要.
• 目前的细分方法可能缺乏精确度,薄,低对比度的结构,如椎脊髓.

研究的目的:

• 开发一种全自动化方法,用于分段椎脊髓在角MRI中.
• 为了提高脊髓细分的准确性和稳定性,用于临床应用.
• 支持早期诊断和监测影响脊髓的神经系统疾病.

主要方法:

• 使用Swin-Unet架构,将视觉变压器块集成到U-Net框架中.
• 该模型捕获了本地解剖细节和全球上下文信息,以改善划分.
• 将自动细分方法应用于椎脊髓的斜视磁共振 (MR) 图像.

主要成果:

• 斯温-乌内特模型实现了0.9526的子相似系数 (DSC) 和1.0707毫米的豪斯多夫距离95 (HD95) .
• 证明了精确的,像素级的划分,结构准确和坚固.
• 证实了该模型对椎脊髓的临床评估的可靠性.

结论:

• 增强注意力的Swin-Unet架构准确地分割复杂的解剖结构,如宫脊髓.
• 该模型显示了临床工作流集成的潜力,因为它的准确性和有限数据的概括能力.
• 这种自动化方法可以帮助诊断,监测和规划脊髓疾病的治疗.