arXiv:2412.04111v2 [eess.IV] 2024 年 12 月 20 日__

arXiv:2412.04111v2 [eess.IV] 2024 年 12 月 20 日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arXiv:2412.04111v2 [eess.IV] 2024 年 12 月 20 日

¥ 1.0

热度

摘要。神经胶质瘤是一种死亡率高的脑肿瘤，在中低收入国家，尤其是撒哈拉以南非洲地区，诊断难度极大。本文介绍了一种使用迁移学习进行神经胶质瘤分割的新方法，以应对资源有限、MRI 数据极少且质量低下的地区所面临的挑战。我们利用预先训练的深度学习模型 nnU-Net 和 MedNeXt，并使用 BraTS2023-Adult-Glioma 和 BraTS-Africa 数据集应用分层微调策略。我们的方法利用放射组学分析来创建分层训练折叠，在大型脑肿瘤数据集上进行模型训练，并将学习迁移到撒哈拉以南地区。采用加权模型集成策略和自适应后处理来提高分割准确性。在 BraTS-Africa 2024 任务上，我们针对未见过的验证案例对我们提出的方法进行了评估，结果显示，在增强肿瘤、肿瘤核心和整个肿瘤区域方面，病变平均 Dice 评分分别为 0.870、0.865 和 0.926，并在该挑战中排名第一。我们的方法凸显了综合机器学习技术能够弥合资源有限国家和发达地区之间的医学成像能力差距。通过根据目标人群的特定需求和限制定制我们的方法，我们旨在增强孤立环境中的诊断能力。我们的研究结果强调了本地数据集成和分层细化等方法对于解决医疗保健差距、确保实际适用性和增强影响力的重要性。

添加pdf代下载 VIP点击下载文件