Jun, 2024

基于病变感知的多相 CT 扫描肾肿瘤亚型分类的交叉相位注意力网络

PDF
TL;DR提出了一种新的病变感知跨阶段注意力网络（LACPANet），可以有效地捕捉肾脏病变在多期 CT 阶段之间的时间依赖关系，从时间序列多相 CT 图像中准确分类肾脏病变为五个主要病理亚型，并在诊断准确性方面超越了现有方法。
multi-phase computed tomographykidney cancerlesion-aware cross-phase attention networktemporal dependenciesdiagnostic accuracy
发现论文，激发创造
  • 多阶段多目标 CT 扫描中的肝脏病变分割和检测

    通过在多个阶段运用神经网络进行多相计算机断层扫描，结合分割模型和单相训练，我们的方法在肝脏病变分割性能上取得了 1.6% 的改进，并降低了 8% 的主体间性能差异。

    Apr, 2024

  • 肝部 CT 扫描中超高性能病变检测和虚假阳性去除的级联方法

    开发了一个二阶段的肝癌检测管道，其中高灵敏度探测算法在第一阶段发现尽可能多的病变提议，而第二阶段的病变重新分类算法则尽可能删除尽可能多的虚警。

    Jun, 2023

  • 一种基于不完全数据的统一多相 CT 综合与分类框架用于肾癌诊断

    我们提出了一个统一的框架，用于肾脏癌症的诊断，通过不完整的多相 CT 图像同时恢复缺失的 CT 图像并对癌症亚型进行分类。我们的框架通过合成模型明确学习生成对癌症亚型有帮助的缺失 CT 相位，并将病变分割网络加入我们的框架，以在整个 CT 体积中利用病变级别的特征进行有效的癌症分类。通过对内部和外部数据集的广泛实验，证明了我们的框架在不完整数据的诊断中相对于现有技术基线的有效性。特别是，使用我们的方法通过完整的 CT 数据进行癌症亚型分类比使用给定的不完整数据的分类具有更高的性能。

    Dec, 2023

  • 通过整合神经距离和纹理感知变形网络 提高胰腺癌多相 CT 的预后预测

    该研究提出了一种新颖的可学习的神经距离，用于描述胰腺导管腺癌与周围重要血管之间的精确关系，并将其作为预后预测的主要特征。通过融合局部和全局特征，使用 CNN 和 Transformer 模块来提取多阶段 CT 图像中的动态肿瘤相关纹理特征，进一步增强跨多个阶段 CT 图像提取的特征。通过与现有方法在多中心数据集上进行广泛评估和比较，并在包括三个中心的外部测试集中进行统计分析，证实了该方法在临床上的有效性。开发的风险标记是预操作因素中最强的整体生存预测因子，具有与现有临床因素结合选择高危患者并获得新辅助治疗益处的潜力。

    Aug, 2023

  • CT 影像中基于像素 - 病灶 - 患者网络的肝肿瘤筛查和诊断

    提出了一种名为 Pixel-Lesion-pAtient Network (PLAN) 的新型框架来解决肝脏肿瘤的筛查、分割和分类问题，同时利用大规模多相数据集进行测试，结果表明其优于常见的卷积神经网络和 transformers，并接近于资深人类放射科医生的表现。

    Jul, 2023

  • MULAN：联合病变检测、标记和分割的多任务通用病变分析网络

    本文提出一种多任务普适性病变分析网络，它基于改进的 Mask R-CNN 框架，能够联合检测、标注和分割身体各部位的病变，达到了 DeepLesion 数据集上最高的检测和标注精度。

    Aug, 2019

  • 基于注意力机制的脑肿瘤二阶段 MR 图像分割方法

    提出了一种基于 CASP-GAN 的协调空间注意力生成对抗网络，以及一种关注性生成跨模态分割方法，该方法在脑肿瘤分割中取得了比 CycleGAN 和部分前沿方法更好的结果。

    Apr, 2023

  • 针对多样化 CT 图像的临床显著发现的整体和全面注释：从放射学报告和标签本体学习

    该研究使用深度学习和多标签分类方法设计了一个名为 LesaNet 的病变注释网络，它可以准确的为超过 32k 的多样性病变图像进行分类并提取出 171 个精细标签，平均 AUC 达到 0.9344。

    Apr, 2019

  • PET/CT 图像中的 AI 病变跟踪：基于 Siamese 的 CNN 管道应用于 PSMA PET/CT 扫描

    通过 Siamese CNN 方法，应用于 PSMA PET/CT 扫描，成功实现了多发性病灶的追踪，该方法在预测治疗结果方面表现出潜力。

    Jun, 2024

  • 多时相胰腺导管腺癌分割的超级对配网络

    探究采用多期信息的肿瘤自动分割方法，通过 Hyper-Pairing Network 的建立和使用可将 DSC 提高至 63.94%。

    Sep, 2019