Sep, 2024
自动PET挑战III：测试广义Dice焦点损失训练的3D残差UNet在全身PET/CT图像中对FDG和PSMA病灶分割的稳健性
AutoPET Challenge III: Testing the Robustness of Generalized Dice Focal
Loss trained 3D Residual UNet for FDG and PSMA Lesion Segmentation from
Whole-Body PET/CT Images
TL;DR该研究解决了在PET/CT扫描中自动分割癌性病灶的挑战，特别是考虑到病灶在大小、形状和放射性示踪剂摄取方面的变化。研究采用3D Residual UNet模型和广义Dice焦点损失函数，经过5折交叉验证，获得的平均Dice相似系数为0.6687，为常规PET/CT图像分析提供了一个有效的分割模型。