跳到正文
arXiv · 机器人与计算机视觉· Grant N. Chau, Bashirul A. Biswas, Biratal Wagle, Matthew E. Maeder, Michael S. Leapman, James B. Yu, Indrani Bhattacharya·· 17 天前AI 评分44

Spatial Atlas-Informed Loss Ensembles for Whole-Body PSMA PET/CT Metastasis Segmentation 方法提升检测性能

Spatial Atlas-Informed Loss Ensembles for Whole-Body PSMA PET/CT Metastasis Segmentation

AI 导读

SAILS 方法通过整合空间图谱统计加权交叉熵损失,在无需推理时注册的情况下提升了全身 PSMA PET/CT 前列腺转移灶的 Dice 系数与漏诊体积。该方法在 AutoPET~III 数据集上将整体 Dice 从 0.520 提升至 0.531,并在 Deep-PSMA 外部数据集中额外检出 126 个病灶,但伴随假阳性体积增加。研究验证了该策略在高危骨骼区域的有效性,相关代码与论文已开源。

来源:arXiv · 机器人与计算机视觉 · arxiv.org