脑和部瘤的MRI细分使用混合注意力机制和密集的扩展空间金字塔聚合
Qiang Han1, Songlin He2, Yuebin Zheng3
1Intelligent Perception and Control Key Laboratory of Sichuan Province, Sichuan University of Science and Engineering, Yibin, China.
Journal of applied clinical medical physics
|December 29, 2025
概括
这项研究引入了改进的深度学习模型SCDU-Net,用于MRI扫描中精确的头部和部瘤细分. 改进的模型提高了小病变和复杂边界的准确性,有助于临床诊断.
科学领域:
- 医学成像分析分析 医学成像分析
- 深度学习用于医学图像细分的深度学习.
- 放射治疗计划 放射治疗计划
背景情况:
- 头癌 (HNC) 需要精确的辐射治疗目标划分.
- 在CT上,MRI为边界可视化提供了卓越的软组织对比.
- 由于界限不清楚和强度变化,U-Net模型在HNC细分方面遇到了困难.
研究的目的:
- 通过使用改进的SCDU-Net模型,提高MRI中头部和部瘤细分的准确性和稳定性.
- 解决HNC细分中的特征提取和小病变识别方面的局限性.
主要方法:
- 将空间通道双重注意模块 (SC) 集成到解码途径中,用于特征表达和定位.
- 在瓶中整合密集连接的形空间金字塔聚合模块 (DenseASPP),以实现多尺度感知.
- 利用坐标轴的注意力来捕捉远距离的空间依赖性和小损伤的定位.
主要成果:
- 拟议的SCDU-Net模型在HNTS-MRG2024数据集上显示出有希望的细分性能.
- 与现有的细分方法相比,实现了更好的准确性和稳定性.
结论:
- 集成的空间通道注意力和DenseASPP模块增强了特征重新校准和多尺度上下文建模.
- 改进的SCDU-Net产生了更准确的头部和部瘤细分,可能有助于医生诊断.
