UniLung-CT:用于胸部 CT 肺癌结节检测、分割与恶性度分类的统一多任务框架
《Scientific Reports》:An end-to-end hybrid 3D CNN–transformer architecture for comprehensive lung cancer assessment from chest CT scans
【字体:
大
中
小
】
时间:2026年09月18日
来源:Scientific Reports 4.9
编辑推荐:
以高效的方式解读胸部计算机断层扫描(CT)图像对于肺癌的早期检测至关重要,但当前方法往往将结节检测、结节分割和结节恶性度分类作为独立问题分别处理。本文提出了一种名为UniLung-CT的新框架,该框架是一种多任务网络,能够在统一的端到端架构中协同完成检测、分割和恶性度分类任务
以高效的方式解读胸部计算机断层扫描(CT)图像对于肺癌的早期检测至关重要,但当前方法往往将结节检测、结节分割和结节恶性度分类作为独立问题分别处理。本文提出了一种名为UniLung-CT的新框架,该框架是一种多任务网络,能够在统一的端到端架构中协同完成检测、分割和恶性度分类任务。所提出的模型结合了基于3D CNN-Transformer的公共编码器和基于跨任务的特征交互模块,从而促进任务之间的信息互补交换。在标准化协议的LIDC-IDRI数据集上评估时,UniLung-CT取得了96.4%的准确率、95.9%的精确率、95.3%的召回率、95.6%的F1分数和0.964的AUC值,持续高于近期的最先进模型。消融实验也证明了多任务集成的有效性,而计算分析显示了具有竞争力的推理效率。为进一步评估模型的泛化能力,该框架还在独立的LNDb数据集上进行了额外验证,在外部临床数据上展现出了一致的诊断性能。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号