DECA-UNet

新研究探索用于PET/CT病灶分割的多模态AI

两篇新研究论文探讨了用于癌症患者PET/CT病灶分割的多模态自监督学习。第一篇论文MUST-PET提出了一个框架，该框架同时使用PET和CT扫描数据，并在FDG和PSMA等不同放射性示踪剂之间进行训练，以提高泛化能力并减少对大量手动标注的需求。第二篇论文研究了结合两种示踪剂PSMA和FDG数据的各种融合策略，发现虽然融合可能是有益的，但特定于示踪剂的模型通常表现更好，特别是当示踪剂能够捕捉前列腺癌等病症的互补生物学信息时。