基于 3D 扩散模型的 [18F]F-FDG PET/CT 图像头颈部肿瘤分割
图像与视频处理
2024-11-20 v2 计算机视觉与模式识别
医学物理
摘要
头颈部（H&N）癌症是全球最普遍的癌症类型之一，[18F]F-FDG PET/CT 被广泛用于 H&N 癌症管理。最近，扩散模型在各种图像生成任务中展现出了卓越的性能。在这项工作中，我们提出了一种 3D 扩散模型，以从 3D PET 和 CT 体积中准确地执行 H&N 肿瘤分割。考虑到所获取 PET 和 CT 图像的 3D 特性，我们开发了该 3D 扩散模型。在逆向过程中，该模型利用 3D UNet 结构，并将 PET、CT 和高斯噪声体积的拼接作为网络输入，以生成肿瘤掩码。我们基于 HECKTOR 挑战数据集进行了实验，以评估所提出的扩散模型的有效性。采用了几种基于 U-Net 和 Transformer 结构的 SOTA 技术作为参考方法。基于各种定量指标和生成的不确定性图，我们研究了将 PET 和 CT 同时作为网络输入以及将扩散模型从 2D 进一步扩展到 3D 的益处。结果表明，与其他方法相比，所提出的 3D 扩散模型能够生成更准确的分割结果。与 2D 格式的扩散模型相比，所提出的 3D 模型产生了更优的结果。我们的实验还突显了在 H&N 肿瘤分割中利用双模态 PET 和 CT 数据优于仅使用单模态数据的优势。
引用
@article{arxiv.2401.17593,
title = {Head and Neck Tumor Segmentation from [18F]F-FDG PET/CT Images Based on 3D Diffusion Model},
author = {Yafei Dong and Kuang Gong},
journal= {arXiv preprint arXiv:2401.17593},
year = {2024}
}