BriefGPT - AI 论文速递
·
M2EF-NNs：用于癌症生存预测的多模态多实例证据融合神经网络
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
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。
🎯
关键要点
-
精确分割 PET/CT 图像对癌症诊断和治疗至关重要。
-
提出了一种新的多模态证据融合网络（MEFN），用于整合 PET 和 CT 图像中的互补信息。
-
MEFN 通过交叉模态特征学习（CFL）模块和多模态可信融合（MTF）模块提高肿瘤分割的准确性和可信度。
-
在两个公开的 PET/CT 数据集上进行的实验显示，MEFN 在 DSC 评分上比现有方法提高了 2.15% 和 3.23%。
-
该模型为放射科医生提供可信的分割结果不确定性，具有重要的临床应用价值。
➡️
