BriefGPT - AI 论文速递
·
大型语言模型辅助放射治疗中的治疗目标体积自动划分
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本研究提出了一种基于视觉语言模型的放射治疗靶体积自动分割网络Radformer，通过整合视觉和语言特征，实现语言感知的视觉编码。在头颈癌患者数据集上评估，Radformer在分割性能上优于其他模型，展示了在放射治疗实践中的潜力。
🎯
关键要点
- 本研究提出了一种基于视觉语言模型的放射治疗靶体积自动分割网络Radformer。
- Radformer利用分层视觉变换器作为骨干架构，并通过大型语言模型提取文本信息丰富的特征。
- 引入视觉语言注意力模块(VLAM)以整合视觉和语言特征，实现语言感知的视觉编码(LAVE)。
- 在2985名接受放射治疗的头颈癌患者数据集上评估Radformer的性能。
- 使用Dice相似系数(DSC)、交集并集比(IOU)和95th percentile Hausdorff距离(HD95)等指标定量评估模型性能。
- 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。
➡️
