深度神经网络在 PET / CT 图像中检测和量化淋巴瘤病变的全面评估与洞察
原文中文，约400字，阅读约需1分钟。发表于：。本研究通过对四种神经网络架构（UNet、SegResNet、DynUNet 和 SwinUNETR）在 PET/CT 图像中进行淋巴瘤病变分割的全面评估，并在多种机构的 611 个病例的多样化数据集上进行训练、验证和测试。利用内部测试和未见的外部测试集，评估了分割准确性、临床相关性和算法的稳定性。
本研究提出了FP-PET，一种综合方法，用于医学图像分割，利用多种机器学习模型实现了最先进的分割性能，并引入了综合评估指标来全面衡量模型有效性。同时讨论了与模型训练相关的计算挑战和解决方案，以及预处理和后处理技术来优化分割输出，为医学图像分割提供了有价值的见解。
