获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
摘要:术中成像可帮助神经外科医生确定脑肿瘤和其他周围脑结构。介入超声 (iUS) 是一种方便的检查方式,扫描时间快。然而,iUS 数据可能受到噪声和伪影的影响,从而限制了它们在脑外科手术期间的解释。在这项工作中,我们使用两个深度学习网络,即 UNet 和 TransUNet,对 iUS 数据中的脑肿瘤进行自动和准确的分割。实验是在 27 个 iUS 体积的数据集上进行的。结果表明,使用带有 UNet 的转换器有利于提供有效的分割建模,从而对每个 iUS 图像之间的长距离依赖关系进行建模。特别是,增强型 TransUNet 能够以超过 125 FPS 的推理率预测 iUS 数据中的腔体分割。这些有希望的结果表明,深度学习网络可以成功部署以协助手术室中的神经外科医生。