Modello Fondamentale Open-Source PET/TC per la Segmentazione dei Tumori

Un nuovo modello fondamentale open-source per la segmentazione dei tumori in tutto il corpo su FDG PET/TC è stato sviluppato utilizzando 4.997 scansioni armonizzate provenienti da quattro dataset pubblici. Il modello impiega backbone gerarchici a forma di UNet con concatenazione precoce per canale per consentire l'interazione cross-modale tra TC e PET a partire dal primo strato di embedding. Introduce un obiettivo di autoencoding mascherato basato sull'imputazione a media zero combinato con una funzione di perdita di ricostruzione globale pesata. L'approccio mira a superare le limitazioni dei metodi di deep learning esistenti, che sono specifici per compito, monocentrici o utilizzano schemi di fusione a doppio ramo che ritardano l'interazione cross-modale. Il modello è progettato per l'imaging oncologico, sfruttando l'interpretazione sinergica delle informazioni anatomiche (TC) e metaboliche (PET).