基于图像重建的代谢肿瘤总体积分级模型

doi:10.19850/j.cnki.2096-4706.2024.06.016

	基于图像重建的代谢肿瘤总体积分级模型
其他题名	Total Metabolic Tumor Volume Grading Model Based on Image Reconstruction
	宋思良1 ; 陈蔺林1 ; 王泽乾 2; 吴祎璠1 ; 程紫嫣1
	2024-03-25
发表期刊	现代信息科技
卷号	8 期号:06 页码:70-73
摘要	总体代谢肿瘤体积（TMTV）是一种较为重要的独立于其他指标的预后指标，对患者的准确治疗具有十分重要的指导作用。准确确定TMTV的分级是一项极具挑战的任务，为此文章提出基于图像重建的代谢肿瘤总体积分级模型，其中包含两个模块：分割辅助多维特征学习模块（SAMFL）和重建纠正模块（RCM）。前者通过优化和融合分割特征获得更加精确的TMTV；后者采用图像重建和偏差纠正的方法修正分割未能准确识别的区域，从而进一步提高TMTV的准确性。在芝加哥大学医院的数据集上，该模型的准确率达到71%。与其他方法相比，该模型在TMTV分级方面表现得更加出色。
其他摘要	Total Metabolic Tumor Volume(TMTV)is an important prognostic indicator independent of other indicators,and it has important guiding role in the accurate treatment on patients.Accurately determining the grading of TMTV is a highly challenging task.Therefore,this paper proposes a total metabolic tumor volume grading model based on image reconstruction,which includes two modules:Segmentation Assisted Multidimensional Feature Learning Module(SAMFL)and Reconstruction Correction Module(RCM).The former obtains more accurate TMTV by optimizing and fusing segmentation features,the latter uses image reconstruction and deviation correction methods to correct the areas that were not accurately recognized in segmentation,thereby further improving the accuracy of TMTV.On the dataset of the University of Chicago Hospital,the accuracy of the model reaches 71%.Compared with other methods,this model performs better in TMTV grading.
关键词	代谢肿瘤总体积图像重建图像分割偏差纠正
DOI	10.19850/j.cnki.2096-4706.2024.06.016
URL	查看原文
ISSN	2096-4706
语种	中文
原始文献类型	学术期刊
中图分类号	TP391.41;R73
CN号	44-1736/TN
文献类型	期刊论文
条目标识符	http://ir.lzufe.edu.cn/handle/39EH0E1M/36057
专题	信息工程与人工智能学院商务传媒学院
作者单位	1.兰州财经大学; 2.太原理工大学现代科技学院
第一作者单位	兰州财经大学
推荐引用方式 GB/T 7714	宋思良,陈蔺林,王泽乾,等. 基于图像重建的代谢肿瘤总体积分级模型[J]. 现代信息科技,2024,8(06):70-73.
APA	宋思良,陈蔺林,王泽乾,吴祎璠,&程紫嫣.(2024).基于图像重建的代谢肿瘤总体积分级模型.现代信息科技,8(06),70-73.
MLA	宋思良,et al."基于图像重建的代谢肿瘤总体积分级模型".现代信息科技 8.06(2024):70-73.