通过RGB到HSI转移学习,通过皮质表面和血管细分来改善脑瘤检测
Guillermo Vazquez1, Alberto Martín-Pérez1, Angel Perez-Nuñez2,3,4
1Research Center on Software Technologies and Multimedia Systems, Universidad Politécnica de Madrid (UPM), 28031 Madrid, Spain.
Cancers
|March 14, 2026
概括
这项研究引入了一种新的超光谱成像 (HSI) 方法用于脑瘤检测,通过区分皮质表面,血管和组织来改善瘤细分. 这种方法提高了识别恶性区域的准确性.
科学领域:
- 医疗成像医学成像
- 计算生物学 计算生物学
- 神经科学是一个神经科学.
背景情况:
- 通过高光谱成像 (HSI) 在体内准确检测脑瘤是具有挑战性的,因为组织的复杂性和血管化.
- 传统方法将瘤组织错误地归类为血管,由于有限的注释数据加剧了这种情况.
研究的目的:
- 开发一种改进的基于HSI的方法,用于准确的体内脑瘤检测.
- 为了克服传统神经网络在区分瘤组织和血管方面的局限性.
主要方法:
- 将问题分解为大脑皮层表面/血管细分和内切割组织细分.
- 使用RGB和HSI数据的伪标签进行多式联网培训,然后对HSI数据进行微调,监督较弱.
- 在非重叠的皮质区域内,重新构建HSI组织细分为二元 (健康与其他).
主要成果:
- 在瘤类的F1得分中获得了高达15.48%的增加.
- 细分了大脑皮层,平均子相似系数 (DSC) 为92.08%.
- 在HSI数据集中,精确检测到95.42%的标记血管样本.
结论:
- 拟议的方法提高了使用HSI的体内脑瘤检测准确度.
- 两阶段的细分方法有效地解决了血管化和数据稀缺所带来的挑战.
- 这种技术为神经外科瘤学提供了更可靠的工具,改善了瘤识别和手术规划.
