arxiv：2306.11137v1 [eess.iv] 2023年6月19日__

arxiv：2306.11137v1 [eess.iv] 2023年6月19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：2306.11137v1 [eess.iv] 2023年6月19日

¥ 1.0

热度

t 2加权磁共振成像（MRI）和扩散加权成像（DWI）是宫颈癌诊断的重要组成部分。但是，由于图像的不对准，将这些训练的这些渠道结合起来是具有挑战性的。在这里，我们提出了一个新型的多头框架，该框架使用扩张的卷积和共享残留连接来单独编码多参照MRI图像。我们采用残留的U-NET模型作为基线，并执行一系列建筑实验，以根据多参数输入通道和特征编码配置来评估肿瘤分割性能。所有实验均使用包括207例局部晚期宫颈癌患者在内的队列进行。Our proposed multi- head model using separate dilated encoding for T 2 W MRI, and combined b1000 DWI and apparent diffusion coefficient (ADC) images achieved the best median Dice coefficient similarity (DSC) score, 0.823 (confidence interval (CI), 0.595-0.797), outperforming the conventional multi-channel model, DSC 0.788 (95% CI, 0.568-0.776），尽管差异没有统计学意义（p> 0.05）。我们使用3D Grad-CAM和通道辍学研究了通道灵敏度，并强调了T 2 W和ADC通道对准确的肿瘤分割的关键重要性。但是，我们的结果表明，B1000 DWI对整体细分性能有很小的影响。我们证明，使用单独的扩张特征提取器和独立的上下文学习提高了模型减少DWI边界效应和变形的能力，从而改善了分割性能。我们的发现可能对可以扩展到其他多模式分割应用程序的可靠和可推广模型的开发具有重要意义。

添加pdf代下载 VIP点击下载文件

arxiv：2306.11137v1 [eess.iv] 2023年6月19日

主要关键词

扩张的提取器提高 DSC model 准确的肿瘤磁共振模型灵敏度独立的不对准在内的 MRI 诊断的分割输入扩张特征编码模型的输入通道 DWI 性能变形的新型的使用模式分割根据 multi 一系列训练的单独的残留的统计学应用程序具有 ADC 实验重要性 coefficient 多模式编码边界效应特征提取 CI 通道

arxiv：2306.11137v1 [eess.iv] 2023年6月19日PDF文件第1页