一种用于分割前庭神经瘤和耳蜗的三维多样式跨模态分割框架
原文中文,约800字,阅读约需2分钟。发表于: 。本文提出了一种针对 crossMoDA2023 挑战的三维多样式跨模态分割框架,通过多种图像转换和自我训练分割阶段,实现对未标记 hrT2 扫描中的前庭神经瘤(分为颅内和颅外组分)以及耳蜗区域的分割,并借助标记的 ceT1 扫描实现。
本研究提出了一种名为MDU-ST的新模型,用于肿瘤的3D分割。该模型由Swin-transformer编码器和CNN解码器组成,能够适应2D和3D输入,并在同一编码器中学习语义信息。通过三阶段的框架,该网络在内部数据集上表现出显著改进,可用于自动化的3D病灶分割。