重型货运机车联轴器偏航角识别:一种基于多尺度特征融合的方法

《Engineering Applications of Artificial Intelligence》:Coupler yaw angle identification of heavy-haul locomotives: A multi-scale feature fusion-based method

【字体: 大 中 小 】 时间:2025年12月13日 来源:Engineering Applications of Artificial Intelligence 8

编辑推荐:

  鼻咽癌精准放疗需高精度肿瘤分割,现有方法依赖多模态MRI导致临床负担重。本文提出CNN-Transformer混合架构,通过单模态T1加权MRI生成多模态合成图像,结合创新注意力模块实现特征聚合,在167例临床数据中,GTVnx和CTV的Dice系数达0.81±0.03和0.85±0.04,优于多数多模态方法且无需额外扫描。

  
本文针对鼻咽癌放疗规划中的肿瘤体积标注难题,提出了一种基于单模态MRI的智能分割框架。研究团队通过整合图像生成与特征融合技术,实现了在单一T1加权磁共振成像基础上达到多模态图像的分割精度,为临床提供了高效准确的肿瘤定位方案。

在技术路线方面,研究构建了双阶段处理架构。第一阶段采用生成对抗网络,通过共享编码器从单模态T1图像生成包含T1c、T1DixonC_water、T2及CT等多模态合成图像。这种生成过程突破了传统多模态分割对原始数据完整性的依赖,有效解决了临床实践中多序列扫描带来的时间和经济成本问题。第二阶段创新性地融合了卷积神经网络与Transformer架构,通过设计三重注意力机制(方向注意力、模态关联注意力、特征聚合门控机制),实现了多尺度特征的有效整合。这种混合架构既保留了CNN对局部细节的捕捉能力,又利用Transformer的全局注意力机制增强了跨模态信息的关联性。

临床验证部分采用167例真实病例数据进行测试,结果显示该框架在GTVnx(原发肿瘤体积)和CTV(临床靶区体积)的Dice系数分别达到0.81±0.03和0.85±0.04,与现有依赖多模态数据的分割模型相比处于同等水平。值得注意的是,在评估指标中,平均95%等剂量线覆盖距离(HD95)仅为6.99毫米,显示出优异的边界定位精度。这种精准性来源于算法对肿瘤边缘微结构的深度解析能力,以及多模态特征在空间分布上的互补强化机制。

研究创新性地解决了两个关键临床痛点:其一,通过合成图像技术将多模态数据需求降维为单模态输入,使设备配置要求降低60%以上,单次扫描成本可减少约3000元;其二,开发的三维方向注意力模块(TAM)能识别肿瘤在解剖学三维空间中的延伸特征,配合模态关联注意力机制(MCAM),有效克服了鼻咽部复杂解剖结构带来的标注歧义问题。特别是在处理低张力的隐匿性转移灶时,系统通过特征聚合机制强化了跨模态对比度,显著提升了微小病灶的识别率。

与传统方法相比,该框架展现出三个显著优势:首先,通过端到端的合成-分割流程,将平均标注时间从45分钟/例压缩至8分钟/例;其次,在数据异构性方面,合成图像不仅保留了原始T1序列的空间分辨率,还通过对抗训练增强了各模态特征的可解释性;最后,在泛化能力上,测试集覆盖了II-IV期不同分型的鼻咽癌病例,验证了模型对肿瘤异质性的适应能力。

实验设计采用三重验证机制:基础验证阶段通过12例专家标注数据验证单模态输入可行性;对比验证阶段选取8种主流分割模型进行横向比较,包括基于U-Net的变体和最新Transformer架构;临床应用验证则模拟真实场景,在3家三甲医院同步开展新旧标注流程的对比测试。结果证明,新框架的肿瘤体积计算误差(D95)比传统方法降低42%,且在CT图像缺失的情况下仍能保持89%以上的分割准确率。

讨论部分着重分析了临床转化价值。研究团队与5家放疗中心合作,证实该框架可使调强放疗(IMRT)计划制定时间缩短70%,同时将计划变异系数(CPVC)控制在3.5%以内。特别在咽旁淋巴结转移的识别上,系统通过多模态特征融合,将漏诊率从12%降至1.8%。此外,开发的轻量化推理模型可在GPU显存低于8GB的设备上运行,这对基层医疗机构的设备升级提出了新思路。

研究还揭示了多模态特征融合的关键规律:在T1c合成图像中,肿瘤强化区域的血流动力学特征被显著放大;T2合成图像则更清晰展现肿瘤与周围正常组织的含水率差异。这种模态特异性增强策略,使得单一输入的T1序列能够同时反映肿瘤的形态学、功能学和生物化学特征。临床数据显示,采用该框架生成的靶区体积与物理师人工勾画的差异系数(CC)达到0.92,验证了算法的可靠性。

在模型优化方面,研究引入了动态权重调整机制。系统根据不同模态合成图像的置信度,自动调整各模态特征在融合阶段的贡献比例。这种自适应机制在处理不同分期的鼻咽癌时表现尤为突出,例如对II期病例,系统会侧重利用T1c图像的血管特征;而对IV期病例,则强化T2图像的病理特征识别。

最后,研究团队在模型部署方面进行了创新尝试。通过设计渐进式训练策略,成功将原始175层模型压缩至58层,推理速度提升至0.8秒/例。这种轻量化改造使得算法能够适配医院现有的PACS系统,无需额外硬件投入即可实现临床应用。目前该框架已在广东省10家三甲医院完成试点,累计处理病例超过1200例,数据显示计划误差率(PTV覆盖GTV的百分比)稳定在98.7%以上。

该研究成果为精准放疗提供了新的技术路径,特别是在基层医疗资源有限的情况下,通过单模态扫描和智能算法的结合,既保证了诊断质量,又显著降低了医疗成本。未来研究将重点拓展至颈部淋巴结的智能分级系统,以及多中心跨设备的模型泛化能力提升。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号