كشف فعّال للتشوهات بدون نقاط مرجعية في المسح المقطعي المحوسب

الطرق الحالية للكشف الشامل عن الآفات (ULD) تعتمد على هياكل مبنية على النقاط المرجعية والتي تتطلب مربعات نقاط مرجعية محددة مسبقًا، مما يؤدي إلى أداء كشف غير راضٍ، خاصة في الآفات الصغيرة والمتوسطة الحجم. بالإضافة إلى ذلك، فإن هذه الأحجام والنسب المحددة للنقاط المرجعية بشكل افتراضي لا تعمم جيدًا على مجموعة بيانات مختلفة. لذلك، نقترح شبكة كشف آفات من مرحلة واحدة وخالية من النقاط المرجعية قوية يمكنها أن تؤدي بشكل جيد في آفات ذات أحجام متغيرة من خلال استغلال حقيقة أنه يمكن فرز التوقعات للمربعات بناءً على مركزها بدلاً من تقاطعها مع الكائن.بالإضافة إلى ذلك، نوضح أن أداء ULD يمكن تحسينه بتقديم المعلومات الخاصة بالمنطقة بشكل صريح في شكل صور متعددة الشدة تم إنشاؤها باستخدام نوافذ HU متعددة، ثم دمج الخصائص باستخدام الانتباه الذاتي وتوفير التهيئة الأولية للهيكل الأساسي باستخدام الأوزان التي تم تعلمها عبر الإشراف الذاتي على المسح الضوئي المقطعي (CT-scans). نحصل على نتائج مقاربة لأحدث الطرق، حيث حققنا حساسية إجمالية بلغت 86.05% على مجموعة بيانات DeepLesion، والتي تتكون من حوالي 32 ألف صورة مسح ضوئي مقطعي تحتوي على آفات مشهرة في أعضاء الجسم المختلفة.