BriefGPT - AI 论文速递
·
MR-CT 图像弱监督下的颈部宫颈癌放射治疗对齐与配准
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文介绍了一种用于评估新辅助化疗后乳腺DCE-MRI的长期变形注册方法，通过无监督关键点检测和选择性体积保持的有条件金字塔式注册网络，该方法能够精确量化肿瘤变化并保持肿瘤体积不变。实验证明该方法具有更好的注册性能和肿瘤体积保持能力，并且基于该方法的生物标志物在病理完全缓解预测中具有高准确性。该方法对于随访肿瘤分割和响应预测具有重要价值。
🎯
关键要点
-
提出了一种用于评估新辅助化疗后乳腺DCE-MRI的长期变形注册方法。
-
该方法通过无监督关键点检测和选择性体积保持的有条件金字塔式注册网络实现。
-
能够精确量化肿瘤变化并保持肿瘤体积不变。
-
使用314名接受NAC治疗的患者的1630个MRI扫描的临床数据集验证了该方法的有效性。
-
该方法具有更好的注册性能和肿瘤体积保持能力。
-
基于该方法的生物标志物在病理完全缓解预测中具有高准确性。
-
这些生物标志物有可能用于避免对某些患者进行不必要的手术。
-
该注册方法对随访肿瘤分割和响应预测具有重要价值。
-
相关代码可在GitHub上获得。
➡️
