一个轻量级的多尺度注意力网络用于PET图像中的3D瘤细分
Lincen Jiang1,2, Xinyuan Zheng3, Wenpin Xu3
1School of Computer and Software, Nanjing University of Industry Technology, Yadong New District, Nanjing, 210023, Jiangsu, China. 2022010301@njupt.edu.cn.
Scientific reports
|November 7, 2025
概括
这项研究介绍了MA3DSeg,这是一种用于PET图像中3D瘤细分的新方法. 它增强了空间特征分析,提高了疾病监测和治疗的准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 在PET图像中精确的瘤细分对于疾病监测和治疗规划至关重要.
- 目前的方法在 PET 图像分割中无法充分利用空间特征.
- 开发先进的细分技术对于改善临床结果至关重要.
研究的目的:
- 为3D瘤细分 (MA3DSeg) 提出一种新的多尺度注意力引导特征机制.
- 为了提高PET成像中瘤细分的准确性和效率.
- 为了应对 PET 图像分析中空间特征访问有限的挑战.
主要方法:
- 使用3D-DX块为轻量级编码器,以最大限度地减少频道特征冗余和模型复杂性.
- 采用了多尺度的注意引导特征增强 (MAFE) 模块,以融合通道和空间特征,用于全面的瘤分析.
- 引入了一个交互边界语义 (IBS) 模块,包含明确和隐性差异信息,以改进细分边缘.
主要成果:
- 与ECPC-IDS,Hecktor 2022和AutoPET数据集上的现有网络相比,MA3DSeg表现出更高的性能.
- 与3D UX-Net相比,在Hecktor 2022上的子得分提高了0.5%,在ECPC-IDS上的RVD提高了2.1%.
- 通过严格的实验验验证了优异的瘤细分性能和概括能力.
结论:
- MA3DSeg有效地解决了3D瘤PET图像细分中的空间特征提取的局限性.
- 拟议的方法在细分精度和稳定性方面提供了显著的改进.
- 在疾病监测和治疗指南中,MA3DSeg具有很大的临床应用潜力.
