多示踪剂环境下全身PET/CT的自动病灶分割
计算机视觉与模式识别
2024-09-17 v1 人工智能
摘要
本研究探索了一种在FDG和PSMA PET/CT图像中自动分割病灶的工作流程。由于FDG和PSMA图像特征存在显著差异，需要专门的预处理步骤。利用YOLOv8进行数据分类，FDG和PSMA图像在输入分割模型之前分别进行预处理，旨在提高病灶分割的准确性。本研究重点评估了多示踪剂PET图像自动分割工作流程的性能。研究结果有望为改进诊断工作流程和制定患者特异性治疗方案提供关键见解。我们的代码将开源，可在https://github.com/jiayiliu-pku/AP2024获取。
引用
@article{arxiv.2409.09766,
title = {Automated Lesion Segmentation in Whole-Body PET/CT in a multitracer setting},
author = {Qiaoyi Xue and Youdan Feng and Jiayi Liu and Tianming Xu and Kaixin Shen and Chuyun Shen and Yuhang Shi},
journal= {arXiv preprint arXiv:2409.09766},
year = {2024}
}