课时时间- 联合时间与临床建模用于纵向 DCE-MRI 中的小乳腺病变分割.pdfVIP

课时时间-联合时间与临床建模用于纵向

DCE-MRI中的小乳腺病变分割

MohammedKamran,MariaBernathova,RaoulVarga,ChristianF.

Singer,ZsuzsannaBago-Horvath,ThomasHelbich,GeorgLangs,

andPhilippSeeböck

ComputationalImagingResearchLab,DepartmentofBiomedicalImagingand

Image-guidedTherapy,MedicalUniversityofVienna,Austria

mohammed.kamran,philipp.seeboeck@meduniwien.ac.at

本ComprehensiveCenterforAIinMedicine,MedicalUniversityofVienna,Austria

BreastHealthCenter,PrivatklinikDöbling,Austria

译DepartmentofBiomedicalImagingandImage-guidedTherapy,MedicalUniversity

中ofVienna,Austria

2DepartmentofObstetricsandGynecology,MedicalUniversityofVienna,Austria

vDepartmentofPathology,MedicalUniversityofVienna,Austria

6

9ComprehensiveCancerCenter,MedicalUniversityofVienna,Austria

4

0

0

.

8

0摘要乳腺动态对比增强MRI（DCE-MRI）中小病灶的准确分割对于早期

5

2癌症检测至关重要，特别是在高风险患者中。虽然最近的深度学习方法在

:病变分割方面取得了进展，但它们主要针对大病变，并忽视了放射科医生

v

i常规使用的有价值的纵向和临床信息。在实际筛查中，检测微妙或新出现的

x

r病变需要放射科医生比较不同时间点的数据并考虑之前的放射学评估，如

aBI-RADS评分。我们提出了一种新型3D分割方法课时，该方法通过联合

利用纵向影像和BI-RADS评分来模拟临床诊断工作流程。关键组件包括：

(1)一个动态集成来自之前和当前扫描的信息的时间先验注意力（TPA）

块；以及(2)一种强制