基于卷积与 Transformer 混合网络的 CT 影像肾脏、肿瘤及囊肿分割方法

《Cancers》:Transformer-Convolution Pyramid Network for Multi-Class Kidney, Tumor, and Cyst Segmentation

【字体: 大 中 小 】 时间:2026年10月13日 来源:Cancers 4.8

编辑推荐:

   简要总结 从计算机断层扫描图像中分离肾脏、肿瘤和囊肿对于评估慢性肾病的进展和严重程度以及进行手术规划至关重要。然而,由于边缘不清晰、图像噪声、伪影以及强度不均匀等多种原因,准确分割这些对象颇具挑战性。为了解决这些问题,

  

简要总结

从计算机断层扫描图像中分离肾脏、肿瘤和囊肿对于评估慢性肾病的进展和严重程度以及进行手术规划至关重要。然而,由于边缘不清晰、图像噪声、伪影以及强度不均匀等多种原因,准确分割这些对象颇具挑战性。为了解决这些问题,研究人员开发了一种结合卷积操作和Transformer优点的混合网络。该方法在肾脏、肿瘤和囊肿的分割性能上优于现有的最先进方法。它可以帮助医学专家快速、可靠地进行评估,评估疾病严重程度和进展,并根据定量和客观结果制定手术和治疗计划。通过减少主观性以及依赖图像视觉检查的传统方法的局限性,这种技术提高了评估的可靠性。此外,它还可以减轻医学专家的工作负担,使他们有更多时间投入到其他临床任务中。

摘要

背景/目标:慢性肾病是致命的疾病,早期治疗对于降低死亡率至关重要。从计算机断层扫描图像中分离肾脏、肿瘤和囊肿在评估这些疾病的进展、确定其严重程度以及规划手术方面起着重要作用。然而,由于多种原因,准确分割这些对象仍然具有挑战性。本研究的目标是开发一种能够克服这些挑战的混合网络。方法:所提出的网络采用了以下设计:(i) 修补块连接和Swin Transformer模块来高效捕获全局特征;(ii) 动态通道注意力模块借助通道级的注意力来突出重要特征位置;(iii) 一个模块用于融合来自不同层的特征;(iv) 边缘检测模块通过特别关注边缘特征来提升性能;(v) 一个高效的激活函数来避免常见修正线性单元(ReLU)导致的神经元死亡和偏差偏移问题。实验使用了KiTS-2023和Kaggle数据库中的图像数据,并应用了最先进的技术对相同的数据集进行了评估,采用了相同的评估指标进行公平比较。除了常用的Dice相似系数(DSC)外,还使用了归一化表面距离(NSD)进行评估。结果:所提出方法在肾脏、肿瘤和囊肿的分割任务上分别获得了98.35 ± 0.65%/97.62 ± 0.55%、94.88 ± 0.57%/93.84 ± 0.50%和81.99 ± 0.45%/80.93 ± 0.40%的DSC/NSD分数。结论:结果表明,所提出的方法在分离肾脏、肿瘤和囊肿方面具有优越性。该方法有望通过提供定量和客观的分割结果来支持医学专家的工作。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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