.png){kind=icon}
返回
3D medical image segmentation via sequential 2D slice processing
.png){kind=icon}
OA
AI
DOI：10.1016/j.icte.2025.07.008.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
三维（3D）医学图像分割在临床应用中至关重要，但面临计算复杂度高和空间上下文丢失等挑战。为解决这些问题，我们提出了3DAS2D方法，该方法将3D图像作为2D切片处理，同时保留体数据以提高精度。我们的方法整合了邻域注意力（Neighbour Attention）、记忆注意力（Memory Attention）、记忆库（Memory Bank）和掩码编码器（Mask Encoder）等模块，以在2D预测框架内捕捉切片间依赖关系和历史上下文。在涵盖前列腺、心脏和肺部肿瘤任务的四个数据集上评估时，3DAS2D的性能与3D方法相当。本研究提供了一种高效且灵活的解决方案，弥合了2D效率和3D精度之间的差距，具有显著的临床潜力。
Keyword:
3D medical image
Segmentation
Sequential 2D
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.2
论文数:
998
被引数:
2.5K
机构
.png){kind=icon}
