Towards Synergistic Deep Learning Models for Volumetric Cirrhotic Liver Segmentation in MRIs

要約

世界的な死亡率の主な原因である肝硬変では、効果的な疾患モニタリングと治療計画のために ROI を正確にセグメント化する必要があります。
既存のセグメンテーション モデルは、多くの場合、複雑な特徴の相互作用を捕捉して、多様なデータセットにわたって一般化することができません。
これらの制限に対処するために、機能相互作用モデリングを強化するために相補的な潜在空間を活用する新しい相乗理論を提案します。
私たちが提案するアーキテクチャである nnSynergyNet3D は、3D ボリュームの連続的および離散的な潜在空間を統合し、自動構成されたトレーニングを備えています。
このアプローチは、きめの細かい特徴と粗い特徴の両方を捕捉し、複雑な特徴の相互作用の効果的なモデリングを可能にします。
私たちは、339 人の患者からの 628 個の高解像度 T1 腹部 MRI スキャンのプライベート データセットで nnSynergyNet3D を経験的に検証しました。
私たちのモデルは、ベースラインの nnUNet3D を約 2% 上回りました。
さらに、公開されている LiTS データセットからの健康な肝臓 CT スキャンに対するゼロショット テストにより、優れたクロスモーダル一般化機能が実証されました。
これらの結果は、セグメンテーションの精度と堅牢性を向上させる相乗的な潜在空間モデルの可能性を浮き彫りにし、それによって CT および MRI モダリティ全体での一貫性を確保することで臨床ワークフローを強化します。

要約(オリジナル)

Liver cirrhosis, a leading cause of global mortality, requires precise segmentation of ROIs for effective disease monitoring and treatment planning. Existing segmentation models often fail to capture complex feature interactions and generalize across diverse datasets. To address these limitations, we propose a novel synergistic theory that leverages complementary latent spaces for enhanced feature interaction modeling. Our proposed architecture, nnSynergyNet3D integrates continuous and discrete latent spaces for 3D volumes and features auto-configured training. This approach captures both fine-grained and coarse features, enabling effective modeling of intricate feature interactions. We empirically validated nnSynergyNet3D on a private dataset of 628 high-resolution T1 abdominal MRI scans from 339 patients. Our model outperformed the baseline nnUNet3D by approximately 2%. Additionally, zero-shot testing on healthy liver CT scans from the public LiTS dataset demonstrated superior cross-modal generalization capabilities. These results highlight the potential of synergistic latent space models to improve segmentation accuracy and robustness, thereby enhancing clinical workflows by ensuring consistency across CT and MRI modalities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google