临床导向的 MRI 病灶分割
计算机视觉与模式识别
2025-05-13 v2 人工智能
摘要
磁共振成像（MRI）是检测多种疾病中病理组织的强大诊断工具。不同的 MRI 序列具有不同的对比机制和对不同类型病灶的灵敏度，这给准确且一致的病灶分割提出了挑战。在临床实践中，放射科医生常用亚序列特征，即后对比增强 T1 加权（后）和前对比增强（前）序列之间的差异，用于定位病灶。鼓舞此思路，我们提出一种残差融合方法，用于学习亚序列表示以实现 MRI 病灶分割。具体而言，我们在多个分辨率上迭代式地自适应地融合前后对比序列的特征，使用动态权重实现最佳融合，解决多样化的病灶增强模式。我们的方法在 BraTS2023 数据集上实现了脑肿瘤分割的状态突破性能，并在本院的乳腺 MRI 数据集上实现了乳腺病灶分割的最佳性能。该方法临床导向，具有推动多种应用中病灶分割的潜力。
引用
@article{arxiv.2502.16032,
title = {Clinical Inspired MRI Lesion Segmentation},
author = {Lijun Yan and Churan Wang and Fangwei Zhong and Yizhou Wang},
journal= {arXiv preprint arXiv:2502.16032},
year = {2025}
}
备注
accepted in ISBI2025 oral