BriefGPT - AI 论文速递
·
监测病变增长的纵向脊柱 CT 图像配准
💡
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，精确量化肿瘤变化，具有更好的注册性能和肿瘤体积保持，对病理完全缓解预测准确。该方法有望避免不必要的手术，对随访肿瘤分割和响应预测有重要价值。
🎯
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精确量化肿瘤变化。
-
从DCE-MRI中提取结构和异常关键点，限制大变形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扫描验证了该方法的注册性能和肿瘤体积保持。
-
基于该方法的局部-全球结合生物标志物在病理完全缓解预测中取得高准确性。
-
该方法有望避免不必要的手术，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。
➡️
