3D Graph Attention Networks for High Fidelity Pediatric Glioma Segmentation

要約

小児脳腫瘍、特に神経膠腫は、治療を複雑にする複雑な浸潤性成長パターンを持つ小児の癌関連死亡の重大な原因となっています。
効果的な診断と介入計画には、神経画像データにおけるこれらの腫瘍の早期の正確なセグメンテーションが不可欠です。
この研究では、小児神経膠腫の自動セグメンテーション用に調整された空間注意メカニズムを備えた新しい 3D UNet アーキテクチャを紹介します。
BraTS 小児神経膠腫データセットとマルチパラメトリック MRI データを使用することで、提案されたモデルはマルチスケールの特徴を捕捉し、腫瘍関連領域に選択的に対応することで、セグメンテーションの精度を高め、周囲の組織からの干渉を低減します。
モデルのパフォーマンスは、Dice 類似性係数と HD95 を使用して定量的に評価され、複雑な構造の神経膠腫の描写が向上していることが実証されています。
このアプローチは、小児神経膠腫のセグメンテーションの自動化において有望な進歩をもたらし、臨床上の意思決定と転帰を改善する可能性があります。

要約(オリジナル)

Pediatric brain tumors, particularly gliomas, represent a significant cause of cancer related mortality in children with complex infiltrative growth patterns that complicate treatment. Early, accurate segmentation of these tumors in neuroimaging data is crucial for effective diagnosis and intervention planning. This study presents a novel 3D UNet architecture with a spatial attention mechanism tailored for automated segmentation of pediatric gliomas. Using the BraTS pediatric glioma dataset with multiparametric MRI data, the proposed model captures multi-scale features and selectively attends to tumor relevant regions, enhancing segmentation precision and reducing interference from surrounding tissue. The model’s performance is quantitatively evaluated using the Dice similarity coefficient and HD95, demonstrating improved delineation of complex glioma structured. This approach offers a promising advancement in automating pediatric glioma segmentation, with the potential to improve clinical decision making and outcomes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google