微调基础模型使用模拟的术前瘤切除数据进行术后质瘤细分

科学领域:

• 医疗图像处理 医学图像处理
• 在瘤学中使用人工智能
• 神经外科 神经外科

背景情况:

• 术后质瘤的准确细分对于治疗评估至关重要,但受到注释挑战的阻碍.
• 现有的基础模型难以直接应用于术后质瘤细分.

研究的目的:

• 从手术前的数据开发一种模拟术后质瘤的方法.
• 使用模拟数据微调基础模型,以提高细分精度.

主要方法:

• 结合噪音扰乱的多面体 (用于残留腔) 和水平设置模型 (用于切除控制) 的质瘤模拟策略.
• 基础模型的微调策略,包括瘤灰度分布,以便快速优化.

主要成果:

• 与公共和私人数据集的最先进方法相比,Dice系数的显著改善 (15.1%,8.2%,14.2%的增加).
• 在多个数据集中证明了有效性.

结论:

• 拟议的模拟和微调方法增强了手术后质瘤细分.
• 这种方法有助于医生精确地定位瘤,为更好的临床决策提供放射治疗,化疗和随访策略.