ICH-HPINet:一种混合传播交互网络,用于智能和交互式的3D脑内出血细分
Huimin Tao1, Hui Jin2,3, Cheng Yang3
1Nanxun Innovation Institute, Zhejiang University of Water Resources and Electric Power, Hangzhou, 310018, China.
Scientific reports
|December 1, 2025
概括
我们开发了ICH-HPINet,这是一个新的AI模型,用于在3D脑部扫描中对脑内出血 (ICH) 进行细分. 这种方法需要更少的手动注释,并提高了中风患者管理的准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 脑内出血 (ICH) 是一种严重的中风类型,死亡率和残疾率高.
- 准确的ICH细分对于患者管理至关重要,但面临3D数据和手动注释需求的挑战.
- 现有的2D方法错过了切片间信息,当前基于提示的3D方法缺乏交互反.
研究的目的:
- 推出ICH-HPINet,这是一个新的混合传播交互网络,用于ICH的智能和交互式3D细分.
- 为了减少对广泛的手动注释的需求,同时保持或提高细分性能.
- 为了解决当前3D ICH细分技术的局限性.
主要方法:
- 开发了ICH-HPINet,这是一个集体体积交互,切片交互,特征转换和多传播特征融合模块的网络.
- 启用了混合传播和智能交互,用于3D图像细分.
- 验证了私人和公共 (Physionet) 数据集的模型.
主要成果:
- 与现有的最先进的方法相比,ICH-HPINet表现出优越的性能.
- 该模型在细分脑内出血区域方面取得了很高的准确性.
- 有效的细分需要更少的手动提示.
结论:
- ICH-HPINet为智能和交互式3D ICH细分提供了有效的解决方案.
- 拟议的方法减少了注释负担,并改善了细分结果.
- 这一进步有助于更好地治疗脑内出血的患者.
