基于 MRI 的混合 CNN-Transformer 模型用于胎盘植入综合征检测
计算机视觉与模式识别
2025-12-23 v1 人工智能
机器学习
摘要
胎盘植入综合征（PAS）是一种严重的妇科症状，由于放射科医生解释的差异性，在磁共振成像（MRI）下诊断往往具有挑战性。为克服这一挑战，本研究提出了一种用于从体积 MRI 扫描中自动化检测 PAS 的混合 3D 深度学习模型。该模型整合了 3D DenseNet121 用于捕获局部特征和 3D Vision Transformer（ViT）用于建模全局空间上下文。该模型是在 1133 例 MRI 体积的回顾性数据集上开发和评估的。还评估了多种 3D 深度学习架构进行比较。在独立测试集上，DenseNet121-ViT 模型实现了最高的性能，五次运行平均准确率为 84.3%。这些结果凸显了混合 CNN-Transformer 模型作为计算机辅助诊断工具的优势。该模型的性能显示，明确潜力通过提供稳健的决策支持来帮助放射科医生提高诊断一致性，从而最终提高 PAS 诊断的准确性和及时性。
引用
@article{arxiv.2512.18573,
title = {Placenta Accreta Spectrum Detection Using an MRI-based Hybrid CNN-Transformer Model},
author = {Sumaiya Ali and Areej Alhothali and Ohoud Alzamzami and Sameera Albasri and Ahmed Abduljabbar and Muhammad Alwazzan},
journal= {arXiv preprint arXiv:2512.18573},
year = {2025}
}