PulseAugur
中
实时 00:57:46
English(EN) Deep Learning-Based Segmentation of Peritoneal Cancer Index Regions from CT Imaging

深度学习模型分割CT扫描中的腹膜癌区域

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种深度学习方法，可从CT扫描中自动分割放射学腹膜癌指数（rPCI）的区域。该研究在62例CT扫描上评估了nnU-Net和Swin UNETR，其中nnU-Net达到了0.82的Dice相似系数，接近人类观察者间的一致性。该方法旨在为评估腹膜转移瘤提供一种非侵入性的、基于影像学的替代方案，以取代目前侵入性的诊断性腹腔镜检查。 AI

影响 rPCI区域的自动分割可以实现腹膜转移瘤的非侵入性、基于影像学的评估，有可能改善临床工作流程。

排序理由 学术论文，详细介绍了用于医学图像分割的新深度学习方法。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

深度学习模型分割CT扫描中的腹膜癌区域

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Pieter C. Gort, Lotte J. S. Ewals, Marion W. Tops-Welten, Cris H. B. Claessens, Joost Nederend, Fons van der Sommen ·

    基于深度学习的CT影像腹膜癌指数区域分割

    arXiv:2604.27697v1 Announce Type: cross Abstract: Peritoneal metastases are currently assessed using diagnostic laparoscopy to determine Sugarbaker's Peritoneal Cancer Index (sPCI), which works by dividing the abdomen into 13 regions and scoring each region based on tumor size. A…

  2. arXiv cs.CV TIER_1 English(EN) · Fons van der Sommen ·

    基于深度学习的CT影像腹膜癌指数区域分割

    Peritoneal metastases are currently assessed using diagnostic laparoscopy to determine Sugarbaker's Peritoneal Cancer Index (sPCI), which works by dividing the abdomen into 13 regions and scoring each region based on tumor size. A recent consensus study defined 3D regions to faci…

相关实体

相关话题