Sep, 2019

使用两路级联 3D 深度网络融合在 PET/CT 中准确分割食管肿瘤体积

PDF
TL;DR本文提出了一种利用 PET/CT 医学影像的深度学习处理方法，以提高食管癌治疗中的肿瘤分割精度，经 110 例食管癌患者验证，该方法较之前方法的 Dice 分数提高了 11％（从 0.654 到 0.764），并将 Hausdorff 距离从 129 毫米减少到 47 毫米。
gross tumor volume segmentationesophageal cancermedical imagingpet/ctdeep learning
发现论文，激发创造
  • 基于视觉变换器的 PET/CT 图像淋巴瘤分割的多模态特征融合网络

    本研究旨在发展一种准确的淋巴瘤分割方法，采用 18F - 氟脱氧葡萄糖正电子发射断层扫描和计算机断层扫描图像结合视觉转换器和双编码器进行淋巴瘤分割，这在计算辅助淋巴瘤诊断和治疗方面具有巨大潜力。

    Feb, 2024

  • 全身 PET/CT 图像中自动肿瘤分割的定位到分割框架

    本文提出了一种用于精确肿瘤分割的定位到分割框架 (L2SNet)，通过定位潜在病变并利用位置信息对分割结果进行塑形，在 MICCAI 2023 全身 FDG-PET/CT 挑战数据集上取得了具有竞争力的结果，并在预备测试集中排名前 7 方法之一。

    Sep, 2023

  • 基于三维扩散模型的 [18F] F-FDG PET/CT 图像头颈肿瘤分割

    提出了一种基于 3D 扩散模型的头颈肿瘤分割方法，利用 PET 和 CT 图像生成更准确的肿瘤掩膜，证实了双模态 PET 和 CT 数据在头颈肿瘤分割中的优势。

    Jan, 2024

  • 一种用于弥漫大 B 细胞淋巴瘤的临床 PET 图像自动肿瘤检测和分割的级联深度网络

    这项研究开发了一个快速高效的三阶段级联深度学习模型，用于从 PET 图像中自动检测和分割 DLBCL 肿瘤，并验证了其可行性和准确性。

    Mar, 2024

  • 鼻咽癌放疗计划的肿瘤总体积和危及器官的完全自动分割

    使用完全自动的框架，开发了用于头颈部 CT 图像的目标分割的两个模型，成功在 SegRap 2023 挑战赛的验证阶段中取得了这两项任务的第二名。

    Oct, 2023

  • SegRap2023: 鼻咽癌放疗计划中危及器官和肿瘤体积分割的基准评估

    放疗是治疗鼻咽癌的主要有效策略，精确划定肿瘤区域和风险器官对辐射治疗至关重要。最近，深度学习在医学图像分割任务中取得了有希望的结果。本文详述了 SegRap2023 挑战赛，并分析了所有参与者的解决方案。

    Dec, 2023

  • 通过不确定性校正的金字塔一致性，高效半监督鼻咽癌毛体积分割

    本文提出了一种基于 Uncertainty Rectified Pyramid Consistency (URPC) 正则化的半监督支持下的鼻咽癌（NPC）GTV 分割框架，通过在不同尺度上监督网络和利用未标记的图像实现了出色的分割性能。

    Dec, 2020

  • AutoPET Challenge 2022：基于深度学习和 FDG PET/CT 的全身肿瘤病灶自动分割

    本研究提出一种新的深度学习模型训练策略，用于构建能够对肿瘤进行系统分割的 PET/CT 肿瘤分割模型，该方法基于 AutoPET 2022 挑战赛的训练集进行验证，并在预测试集上实现了 0.7574 的 Dice 分数、0.0299 的假阳性体积和 0.2538 的假阴性体积，代码已在链接中提供。

    Aug, 2022

  • CT 影像中小体积的深度学习分割在放射治疗计划中的应用

    通过优化 V-Net 模型的器官分割算法，提高小体积器官的分割精度，特别是眼球晶状体的分割，在医学影像中取得了显著的改进。

    Apr, 2024

  • AutoPET Challenge 2023: 基于滑动窗口的 U-Net 优化

    使用荧光脱氧葡萄糖正电子发射断层扫描 (FDG-PET) 结合计算机断层扫描 (CT) 在精准肿瘤分割方面提高了肿瘤分段的精度，FDG-PET/CT 扫描通过标记放射性荧光脱氧葡萄糖突出代谢活跃区域，对癌症分期和再评估至关重要，AutoPET 挑战通过提供 1014 例 FDG-PET/CT 研究数据集，鼓励在 FDG-PET/CT 领域内精确肿瘤分割和分析方面的进展。

    Sep, 2023