HyperAIHyperAI
vor 2 Monaten

MULAN: Multitask Universelles Läsionsanalyse-Netzwerk für die gemeinsame Läsionserkennung, -kennzeichnung und -segmentierung

Yan, Ke ; Tang, Youbao ; Peng, Yifan ; Sandfort, Veit ; Bagheri, Mohammadhadi ; Lu, Zhiyong ; Summers, Ronald M.
MULAN: Multitask Universelles Läsionsanalyse-Netzwerk für die gemeinsame Läsionserkennung, -kennzeichnung und -segmentierung
Abstract

Bei der Interpretation medizinischer Bilder wie Computertomografien (CT) durchsuchen Radiologen in der Regel das Bild, um Läsionen zu finden, diese zu charakterisieren und zu vermessen, bevor sie sie im radiologischen Bericht beschreiben. Um diesen Prozess zu automatisieren, schlagen wir ein Multitask-Universalläsionsanalyse-Netzwerk (MULAN) vor, das die simultane Detektion, Kategorisierung und Segmentierung von Läsionen in verschiedenen Körperteilen ermöglicht. Dies erweitert die bisherige Arbeit zur Einzel-Läsionsanalyse auf spezifische Körperteile erheblich. MULAN basiert auf einem verbesserten Mask R-CNN-Framework mit drei Kopfzweigen und einer 3D-Feature-Fusion-Strategie. Es erreicht den aktuellen Stand der Technik in den Detektions- und Kategorisierungs-Aufgaben am DeepLesion-Datensatz, der 32.000 Läsionen im gesamten Körper enthält. Wir analysieren auch das Verhältnis zwischen den drei Aufgaben und zeigen, dass Vorhersagen der Kategorien die Detektionsgenauigkeit durch eine Schicht zur Verbesserung der Scores erhöhen können.