深度学习在放疗中人类切伦科夫成像生物形态特征的实时稳健分割
💡
原文中文,约400字,阅读约需1分钟。
📝
内容提要
本研究提出了一种放射治疗靶体积自动分割网络Radformer,利用视觉语言模型和注意力模块进行特征提取,性能优于其他模型。
🎯
关键要点
- 本研究提出了一种放射治疗靶体积自动分割网络Radformer。
- Radformer基于视觉语言模型,利用分层视觉变换器作为骨干架构。
- 通过大型语言模型从临床数据中提取文本信息丰富的特征。
- 引入视觉语言注意力模块(VLAM)整合视觉和语言特征。
- 在2985名头颈癌患者的数据集上评估Radformer的性能。
- 使用Dice相似系数、交集并集比和95th percentile Hausdorff距离等指标进行定量评估。
- 结果表明Radformer在分割性能上优于其他最先进的模型,验证了其在放射治疗实践中的潜力。
➡️