UMambaAdj：利用UMamba和nnU-Net ResEnc规划师推进头颈癌MRI引导放疗中的GTV分割
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对头颈癌MRI引导自适应放疗中的肿瘤体积（GTV）分割挑战，提出了一种新方法UMambaAdj，结合了UMamba和nnU-Net Residual Encoder的优势。该方法在HNTS-MRG 2024挑战测试集上通过T2加权MRI图像评估，GTVp和GTVn的平均Dice相似系数分别达到0.751和0.842，表明其在更精确的肿瘤勾画中具有潜力，将改善头颈癌患者的治疗效果。
本研究提出了一种新方法UMambaAdj，用于头颈癌MRI引导自适应放疗中的肿瘤分割。结合UMamba和nnU-Net Residual Encoder的优势，在HNTS-MRG 2024测试集上，T2加权MRI图像的GTVp和GTVn平均Dice系数分别为0.751和0.842，显示出提高肿瘤勾画精度的潜力。
