PulseAugur
中
实时 09:19:02
English(EN) Lesion-Aware Adaptive Fourier Neural Operator for CT-to-PSMA PET Synthesis in Prostate Cancer

新型AI模型增强CT扫描前列腺癌PET图像合成

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为病灶感知自适应傅里叶神经算子（LAFNO）的新方法，以改进前列腺癌患者CT扫描到PSMA PET图像的合成。传统的深度学习模型常使用全局损失，可能导致低估肿瘤活性。LAFNO通过整合源自CT扫描的病灶特定代理通道来解决此问题，专注于局部密度变化和纹理异质性。这种方法提高了总病灶活性（TLA）和肿瘤核心对比度的准确性，同时保持了具有竞争力的整体图像质量。 AI

影响 这项研究有望通过改进基于AI的CT数据PET扫描合成，为前列腺癌患者提供更准确、侵入性更小的诊断成像。

排序理由 详细介绍新模型及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型AI模型增强CT扫描前列腺癌PET图像合成

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Rashmi Bhaskara, Waleed M. Almutairi, Matthew Gopaulchan, Maram Musaad Alqurashi, Francis Asamoah, Alex Ocana, Clinton D. Bahler, Oluwaseyi M. Oderinde ·

    用于前列腺癌CT到PSMA PET合成的病灶感知自适应傅里叶神经算子

    arXiv:2608.10429v1 Announce Type: new Abstract: Deep learning models that synthesize PET from CT or MRI can reduce patient dose and scanner demand, but are typically optimized with global losses such as L1 or mean squared error (MSE) that treat all voxels similarly. In whole-body…

相关实体

相关话题