Introdução: As metástases cerebrais são complicações comuns em pacientes com câncer e afetam significativamente o prognóstico e as estratégias de tratamento. A segmentação precisa das metástases cerebrais é crucial para o planejamento eficaz da radioterapia. No entanto, em áreas com recursos limitados, a indisponibilidade de imagens de ressonância magnética é um desafio significativo que exige o desenvolvimento de modelos de segmentação confiáveis para imagens de tomografia computadorizada (TC).

Objetivo: Este estudo teve como objetivo desenvolver e avaliar um modelo de difusão CSPAM-U-Net para a segmentação de metástases cerebrais em imagens de TC e, assim, fornecer uma ferramenta robusta para oncologistas de radiação em regiões onde a ressonância magnética (MRI) não é acessível.

Métodos: O modelo de difusão-CSPAM-U-Net proposto integra modelos de difusão com mecanismos de atenção posicional-espacial do canal para melhorar o desempenho da segmentação. O modelo foi treinado e validado em um conjunto de dados composto por imagens de TC de dois centros (n = 205) e (n = 45). Métricas de desempenho, incluindo o coeficiente de similaridade de dados (DSC), interseção sobre união (IoU), precisão, sensibilidade e especificidade, foram calculadas. Além disso, este estudo comparou modelos propostos para metástases cerebrais de diferentes tamanhos com aqueles propostos em outros estudos.

Resultados: O modelo de difusão-CSPAM-U-Net alcançou resultados promissores no conjunto de validação externa. A média geral de DSC de 79,3% ± 13,3%, IoU de 69,2% ± 13,3%, precisão de 95,5% ± 11,8%, sensibilidade de 80,3% ± 12,1%, especificidade de 93,8% ± 14,0% e HD de 5,606 ± 0,990 mm foram medidas. Esses resultados demonstram melhorias favoráveis em relação aos modelos existentes.

Conclusões: O modelo de difusão-CSPAM-U-NET mostrou resultados promissores na segmentação de metástases cerebrais em imagens de TC, particularmente em termos de sensibilidade e precisão. O modelo de difusão CSPAM-U-NET proposto fornece uma ferramenta eficaz para oncologistas de radiação para a segmentação de metástases cerebrais em imagens de TC.

Palavras-chave: Segmentação automatizada; Metástases cerebrais; Tomografia computadorizada; Aprendizado profundo; Procissão de imagem; Radiocirurgia estereotáxica.

Ler artigo completo

Difusão-CSPAM U-Net: Um modelo U-Net integrou mecanismo híbrido de atenção e modelo de difusão para segmentação de imagens de tomografia computadorizada de metástases cerebrais

Difusão-CSPAM U-Net: Um modelo U-Net integrou mecanismo híbrido de atenção e modelo de difusão para segmentação de imagens de tomografia computadorizada de metástases cerebrais

Bem-vindo(a) novamenteao Médico Exponencial!

Bem-vindo(a) novamente
ao Médico Exponencial!