多适配器SAM启发的支气管镜图像细分用于肺癌诊断
Qian Li1,2, Xinbo Liu2, Chao Ye3
1Department of Thoracic Surgery, Beijing Genertec Aerospace Hospital, Beijing, China.
Frontiers in oncology
|March 9, 2026
概括
一个新的模型,MASA,统一了肺癌病变细分和来自支气管镜图像的诊断. 这种人工智能方法显著提高了检测准确度,有助于早期识别肺癌.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肺部病理学 肺部病理学
背景情况:
- 肺癌是癌症死亡的主要原因之一.
- 支气管镜有助于肺癌的检测,但由于成像的局限性,它与微妙的病变作斗争.
- 目前的方法往往将病变细分和诊断分开,阻碍了临床应用.
研究的目的:
- 开发一个统一的框架,同时进行支气管镜病变细分和肺癌诊断.
- 为了提高支气管镜图像的自动化分析的准确性和效率.
主要方法:
- 推出了基于多适配器的分段任何支气管镜模型 (MASA),这是一个端到端的框架.
- MASA使用编码器融合空间,频率和位置信息.
- 双解码器同时进行病变细分和肺癌诊断.
主要成果:
- MASA 增强了病变细分,在 BM-BronchoLC 数据集上,改善了平均 Dice 系数 (mDice) +3.01%和平均交叉点 (mIoU) +1.24%.
- 对于诊断,MASA将宏F1增加了+8.1点,精度回忆曲线 (AUPRC) 下的面积增加了+14.1%.
- 在细分和诊断任务中表现优于最强的基线 (ESFPNet).
结论:
- MASA提供了一个统一的,可解释的管道,用于自动化支气管镜图像分析.
- 该模型生成像素级的病变图和病例级的诊断预测.
- MASA显示出改善早期肺癌检测和临床支气管镜检查工作流程的潜力.
