• 回答数

    0

  • 浏览数

    37

  • 收藏数

    0

作者:feels 发表于 5 天前
跳转到指定楼层
AI 总结 • 中国科学院合肥物质院健康所/合肥肿瘤医院科研团队联合国内外多家单位,在肺癌诊断研究中提出基于胸部CT影像的肺结节AI辅助诊断新方法,成果发表于Information Fusion。 • 针对常规AI模型仅依靠单尺度影像特征、识别精度有限且可解释性差的问题,团队模仿医生读片逻辑,提出M³Net“宏观-介观-微观”层级3D神经网络模型。 • M³Net构建三种差异化影像输入尺度,分别对应肺部全局宏观结构、结节周边组织特征和结节微观细节,通过跨尺度特征对齐与层级交叉注意力机制,模拟医生“先全局、再局部、后细节”的诊断流程。 • 在LIDC-IDRI和USTC-FHLN数据集上与十二种流行AI算法对比,M³Net对肺结节良恶性分类准确率等指标均有提升,对边界模糊的疑难结节鉴别优势明显,且参数量与运算成本更低。 • 该研究第一完成单位为中国科学院合肥物质院,合作单位包括中国科学技术大学第一附属医院、蚌埠医科大学、中国科学院半导体研究所、美国东北大学、新加坡南洋理工大学等,并获中国科学院合肥肿瘤医院单病种攻关项目支持。 【研究背景】 肺癌是高发恶性肿瘤,早期筛查是提高治愈率和降低死亡率的关键环节,而早筛中的肺结节良恶性准确判断直接关系到后续的诊疗方案制定与预后效果。 【传统读片局限】 临床中,医生需逐张研读胸部 CT 影像,综合肺部整体结构、结节周边组织以及结节细节,再结合临床经验做出肺结节良恶性诊断,这种传统的人工读片不但耗时费力,且易受经验、疲劳等因素影响,甚至可能出现漏诊误诊。 【AI诊断现状】 近年来兴起的 AI 技术已被用于肺结节的良恶性辅助诊断,但常规 AI 诊断模型仅依靠单尺度影像特征作出判断,多为“黑箱”算法,识别精度有限、可解释性差,难以满足精准诊疗的临床需求。 能遵循医生读片诊断逻辑的肺结节 AI 分类诊断模型算法流程示意图 【新方法思路】 针对上述问题,科研团队在算法设计上模仿医生的诊断逻辑,提出新型 M³Net 即“宏观-介观-微观”层级 3D 神经网络 AI 模型,发展多尺度、可解释的肺结节智能分类与诊断新方法。 【模型结构】 该算法构建三种差异化影像输入尺度,分别对应肺部全局宏观结构、结节周边组织特征、结节微观细节,全方位涵盖病灶诊断相关重要信息。 模型通过专属编码器分别提取不同尺度的影像特征,依靠隐空间投影、互信息最大化技术,进行跨尺度特征对齐,借助层级交叉注意力机制,模拟医生“先全局、再局部、后细节”的诊断流程。 经过多重正则化约束优化特征 ...
该板块内容需要购买后才能完整浏览
立即购买
分享:
回复

使用道具

成为第一个回答人

高级模式 评论
您需要登录后才可以回帖 登录 | 立即注册
⚠️

AI客服助手

⇲ ×
AI
您好!我是AI客服助手,有什么可以帮助您的吗?

请先登录后使用AI客服助手

立即登录
内容由非常AI大模型生成,仅供参考,相关风险需自行承担。

赚钱

会员VIP

留言板

商务合作

联系电话:17308937318

QQ邮箱

QQ:118275

邮箱:118275@qq.com

友情链接