39、医学图像分析：脑肿瘤分割与乳腺超声肿瘤分类的创新方法

医学图像分析：脑肿瘤分割与乳腺超声肿瘤分类的创新方法

在医学图像分析领域，脑肿瘤分割和乳腺超声肿瘤分类是至关重要的任务，它们对于疾病的早期诊断和治疗方案的制定具有关键意义。本文将介绍两种创新的方法：EoFormer用于脑肿瘤分割，以及Hybrid-MT-ESTAN用于乳腺超声肿瘤分类。

EoFormer：脑肿瘤分割的新突破

脑肿瘤分割是医学影像处理中的一项复杂任务，准确的分割结果对于肿瘤的诊断、治疗和预后评估至关重要。EoFormer是一种新型的脑肿瘤分割方法，它结合了高效混合编码器（EHE）和边缘导向变压器解码器，旨在提高分割的准确性和效率。

编码器和解码器设计的消融研究

为了评估EoFormer框架的有效性，研究人员在BraTS 2020数据集上进行了消融实验。实验中比较了不同编码器和解码器的性能，具体结果如下表所示：
| Index | Encoder/Decoder | Dice (%) ↑ | | | | HD95 (mm) ↓ | | | |
| — | — | — | — | — | — | — | — | — | — |
| | | WT | TC | ET | Ave | WT | TC | ET | Ave |
| Enc1 | UNet encoder | 83.29 | 83.43 | 79.01 | 84.00 | 6.232 | 8.018 | 6.697 | 6.983 |
| Enc2 | CF×4 | 88.51 | 83.42 | 82.56 | 84.83 | 7.131 | 8.772 | 5.641 | 7.181 |
| Enc3 | CF×2+TF×2