NA-UNETR: Segmentazione 3D basata su Transformer dell'Arteria Discendente Anteriore Sinistra
È stato sviluppato un nuovo modello di deep learning chiamato NA-UNETR per migliorare la segmentazione 3D dell'Arteria Discendente Anteriore Sinistra (LAD) in scansioni TC senza contrasto effettuate durante respirazione libera. Questo è molto importante perché aiuta a ridurre l'esposizione alle radiazioni del cuore durante la radioterapia toracica. L'arteria LAD è piuttosto piccola, ha uno scarso contrasto dei tessuti molli e varia molto tra i diversi pazienti, rendendo difficile definirne i confini, soprattutto con contorni manuali inconsistenti. Il modello utilizza blocchi specializzati di Neighborhood Attention (NA) e Dilated NA (DiNA) per catturare strutture dettagliate e un contesto più ampio. Poiché non ci sono molti dataset etichettati per la LAD, è stato preaddestrato su 1.000 volumi CTA e ottimizzato per una maggiore accuratezza. Lo studio è disponibile su arXiv con ID 2608.12274v1.
Fatti principali
- NA-UNETR è un modello di segmentazione 3D basato su transformer.
- Utilizza blocchi Neighborhood Attention (NA) e Dilated NA (DiNA).
- Il modello è preaddestrato su 1.000 volumi CTA di anatomia coronarica generale.
- La messa a punto utilizza un adattamento efficiente dei parametri basato su LoRA.
- L'arteria LAD è estremamente piccola e ha uno scarso contrasto dei tessuti molli.
- I contorni manuali mostrano una concordanza limitata tra osservatori.
- La ricerca è pubblicata su arXiv con identificatore 2608.12274v1.
- L'obiettivo è migliorare il risparmio della dose cardiaca nella radioterapia toracica.
Entità
Istituzioni
- arXiv