Új AI-modell 95%-os pontossággal szegmentálja az agydaganatokat
Az új GCSER-UNet modell 95%-os dice score-t ért el az agydaganatok szegmentálásában, ami jelentős előrelépés a korábbi 94%-os csúcshoz képest.
Az agydaganatok pontos azonosítása kulcsfontosságú a diagnózishoz és a kezelés megtervezéséhez. Az automatizált módszerek iránti igényt a manuális vizsgálatok magas költségei és hibalehetőségei hívják életre. Kutatók most egy új, globális kontextusra érzékeny neurális hálózattal, a GCSER-UNet-tel rukkoltak elő, amely a térbeli és csatorna-szintű figyelmet ötvözi.
A GCSER-UNet hatékonyan képes tumorokat kivonni többféle MR-szeletből. A TCGA LGG adathalmazon 94%-os dice score-t ért el, ami meghaladja a korábbi, 91,8%-os state-of-the-art eredményt — írja az ArXiv CV.
Kapcsolódó: MRI-adat elemzés
Az új modell áttörése
A BraTS 2020 adathalmazon a GCSER-UNet ensemble megközelítés 95%-os, 92%-os és 90%-os dice score-t produkált a Whole Tumor (W), Tumor Core (T) és Enhancing Tumor (E) régiókra. Ezek az értékek felülmúlják a korábbi 94%-os, 93%-os és 88%-os eredményeket.
Kapcsolódó: mellkasröntgen diagnózis
A jövő lehetőségei
Az eredmények rávilágítanak a GCSER-UNet hatékonyságára az agydaganatok precíz szegmentálásában. A modell segítséget nyújthat a neurológusoknak az agyrák kezelésében és a terápia tervezésében. A GCSER-UNet modell a 2024-es évre tervezett további fejlesztéseket követően a Siemens Healthineers által gyártott MRI berendezésekben lesz elérhető.
Kapcsolódó: agy szerkezeti változásai