ShapeField-lung:通过肺结节细分通过早期肺癌检测的连续形状嵌入
Xuyu Gu1, Yifei Zhu2,3, Chuangqi Li4
1Department of Oncology, Shanghai Pulmonary Hospital, Shanghai, China.
NPJ digital medicine
|November 27, 2025
概括
在低剂量CT扫描中,ShapeField-Nodule使用连续形状嵌入精确地细分肺结节. 这种新的方法通过精确地概述不规则的结节边界,改善了早期肺癌检测.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 放射学 放射学是一门学科.
背景情况:
- 在低剂量CT (LDCT) 中精确的肺结节细分对于早期肺癌检测至关重要.
- 基于Voxel的细分方法与不规则的结节形状和低对比度成像作斗争.
研究的目的:
- 介绍ShapeField-Nodule,一个新的连续形状嵌入框架,用于精确的肺结节细分.
- 克服现有方法在捕获节点几何和边界细节方面的局限性.
主要方法:
- 开发了ShapeField-Nodule,将节点几何模型作为签名距离场 (SDF) 来实现亚声元精度.
- 集成了一个基于MLP的轻量级隐性头和一个3D U-Net骨干来预测SDF值.
- 引入了形状感知精细化损失,以将SDF梯度与图像边缘对齐.
主要成果:
- 在LIDC-IDRI,LUNA16和Tianchi数据集上实现了最先进的子和表面指标.
- 与现有方法相比,证明了优越的概括性,对噪声的稳定性和推断效率.
- 验证了用于医疗图像细分的连续隐性场的有效性.
结论:
- ShapeField-Nodule为医学图像细分提供了一个原则性的方法,提供了解剖学上连贯的轮.
- 连续的SDF表示强制执行边界平滑性和拓规范化,提高分段精度.
- 这一框架显示了通过先进的图像分析来改善早期肺癌检测的巨大潜力.
