多模态证据融合网络用于可信 PET/CT 肿瘤分割
原文中文，约400字，阅读约需1分钟。发表于：。在计算机辅助肿瘤诊断和治疗中，精确分割 PET/CT 图像对癌症的诊断和治疗非常重要。本文提出了一种新颖的多模态证据融合网络（MEFN），通过交叉模态特征学习（CFL）模块和多模态可信融合（MTF）模块，以有效整合 PET 和 CT 图像中的互补信息并考虑模态不确定性，进而提高肿瘤分割的准确性和可信度。通过在两个公开的 PET/CT 数据集上进行广泛的对比实验，结果表明我们的方法在 DSC...
本文介绍了一种新的多模态证据融合网络（MEFN），用于精确分割PET/CT图像，提高肿瘤诊断和治疗的准确性和可信度。实验证明，该方法在DSC评分上比现有方法提高了2.15%和3.23%。同时，该模型还能为放射科医生提供可信的分割结果不确定性。
