Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo. La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro. Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.
AutoPETIII: La Frontera del Rastreador. ¿Qué Frontera?
Created by
Haebom
Autor
Zacharia Mesbah, Leo Mottay, Romain Modzelewski, Pierre Decazes, Sébastien Hapdey, Su Ruan, Sébastien Thureau
Describir
El concurso AutoPET 2024 tuvo como objetivo desarrollar un algoritmo de segmentación de lesiones totalmente automatizado para exploraciones PET/CT utilizando trazadores basados en FDG o PSMA, sin conocer el tipo de trazador. Este artículo describe cómo entrenar dos conjuntos de seis modelos utilizando el marco nnUNetv2 y cómo seleccionar el conjunto de modelos para la segmentación utilizando MIP-CNN.
Takeaways, Limitations
•
Takeaways: Presentamos una solución eficaz al problema de la segmentación de lesiones en exploraciones PET/CT con diversos trazadores, aprovechando el marco nnUNetv2. Una estrategia de selección de modelos con MIP-CNN mejora la adaptabilidad a diversos trazadores.
•
Limitations: Este artículo se centra en la descripción de un marco y un modelo específicos, y carece de un análisis comparativo con otros enfoques. El análisis del impacto de variables distintas a los distintos trazadores (p. ej., calidad del escaneo, tamaño de la lesión) es insuficiente. No se presentan resultados de validación del rendimiento en un entorno clínico real.
