如何使用 2D 模型进行 3D 分割：基于多角最大强度投影和扩散模型的前列腺癌转移性病灶 PET 体积图像自动 3D 分割
医学物理
2024-12-05 v3 人工智能
计算机视觉与模式识别
摘要
前列腺特异性膜抗原（PSMA）正电子断层扫描/计算机断层扫描（PET/CT）成像为前列腺癌（PCa）转移性病灶的可视化提供了巨大的前景。然而，由于信号信噪比低以及病灶大小、形状和位置的可变性，准确分割转移性病灶仍具有挑战性。本研究提出了一种新方法，用于对 PSMA PET/CT 3D 体积图像中的转移性病灶进行自动分割，该方法使用 2D 去噪扩散概率模型（DDPM）。该方法不采用 2D 横截面切片或 3D 体积，而是在生成的 PSMA PET 图像的多角最大强度投影（MA-MIPs）上进行分割，然后通过 3D 有序子集期望最大化（OSEM）重建 2D MA-MIPs 分割结果获得最终的 3D 分割掩码。我们提出的方法在准确性和鲁棒性方面优于最先进的 3D 分割方法，尤其擅长检测和分割小规模转移性 PCa 病灶。该方法在 PCa 患者的定量分析中具有重要潜力。
引用
@article{arxiv.2407.18555,
title = {How to Segment in 3D Using 2D Models: Automated 3D Segmentation of Prostate Cancer Metastatic Lesions on PET Volumes Using Multi-angle Maximum Intensity Projections and Diffusion Models},
author = {Amirhosein Toosi and Sara Harsini and François Bénard and Carlos Uribe and Arman Rahmim},
journal= {arXiv preprint arXiv:2407.18555},
year = {2024}
}
备注
11 pages, 2 figures, accepted in the DGM4MICCAI workshop, MICCAI, 2024