GCSER-UNet raggiunge il 95% di Dice Score nella segmentazione dei tumori cerebrali
I ricercatori hanno sviluppato la Global Context-aware Squeeze and Excite Residual UNet (GCSER-UNet), una rete neurale profonda per la segmentazione dei tumori cerebrali da scansioni MRI multimodali. Il modello integra l'attenzione spaziale e per canali per catturare dipendenze spaziali intricate e informazioni contestuali. Valutato su dataset di riferimento, GCSER-UNet ha raggiunto un Dice Score del 94% sul dataset TCGA LGG, superando il precedente stato dell'arte del 91,8%. Sul dataset BraTS 2020, un approccio ensemble ha prodotto Dice Score del 95%, 92% e 90% per diverse sottoregioni tumorali. Lo studio, pubblicato su arXiv, affronta la necessità di metodi automatizzati per ridurre costi ed errori nell'identificazione manuale dei tumori.
Fatti principali
- GCSER-UNet è una nuova rete neurale profonda per la segmentazione dei tumori cerebrali.
- Utilizza blocchi residuali squeeze-and-excite con consapevolezza del contesto globale.
- Ha raggiunto un Dice Score del 94% sul dataset TCGA LGG, superando il precedente 91,8%.
- Su BraTS 2020, il metodo ensemble ha ottenuto Dice Score del 95%, 92% e 90%.
- Il modello fonde meccanismi di attenzione spaziale e per canali.
- Progettato per fette MRI multimodali.
- Mira ad automatizzare la diagnosi dei tumori cerebrali, riducendo lo sforzo manuale.
- Pubblicato su arXiv con ID 2605.30510.
Entità
Istituzioni
- arXiv