Jul, 2024

大型语言模型辅助放射治疗中的治疗目标体积自动划分

TL;DR在本研究中,我们提出了一种基于视觉语言模型的放射治疗靶体积自动分割网络 Radformer,该网络利用分层视觉变换器作为骨干架构,并通过大型语言模型从临床数据中提取文本信息丰富的特征。我们引入了一个视觉语言注意力模块 (VLAM) 来整合视觉和语言特征,以进行语言感知的视觉编码 (LAVE)。我们在包含 2985 名接受放射治疗的头颈癌患者的数据集上评估了 Radformer 的性能,利用 Dice 相似系数 (DSC)、交集并集比 (IOU) 和 95th percentile Hausdorff 距离 (HD95) 等指标定量评估了模型的性能。结果表明,Radformer 在分割性能上优于其他最先进的模型,验证了其在放射治疗实践中的潜力。