UCSF-ALPTDG

新AI方法提高术后胶质瘤分割精度

研究人员开发了一种新方法，以提高术后胶质瘤分割的精度，这是早期检测肿瘤复发的关键任务。他们的方法通过结合脑掩膜百分位数归一化和体素级对比学习，解决了标准广义Dice损失（GDL）在域偏移下的不稳定性问题。此外，他们引入了一个子空间感知类注意力（SACA）模块来增强瓶颈特征，使增强肿瘤的敏感性提高了8%。当与nnU-Net集成时，这些改进实现了0.94的整体病灶Dice分数并改善了边界误差。