R-Super

AI利用放射学报告提高肿瘤分割精度

研究人员开发了一种名为报告监督（R-Super）的新型训练框架，旨在提高医学影像中的肿瘤分割能力。该方法利用放射学报告中的详细描述直接训练分割模型，克服了手动注释肿瘤掩膜稀缺的问题。R-Super引入了专门的损失函数，将分割输出与基于报告的肿瘤数量、大小和位置信息对齐。在肾脏和胰腺肿瘤分割上的评估显示出显著的改进，与仅使用掩膜训练相比，即使在掩膜数据有限的情况下，R-Super也能将检测F1分数和分割Dice相似系数（DSC）提高多达15%。