KI und die schwierigen Probleme der Welt · Medizin & Wirkstoffforschung · Nature (computational biology) · 2026-10-23
FusionSwinUNETR: Ein multimodales Deep-Learning-Modell zur Segmentierung von Bauchraumtumoren in pädiatrischen CT-Aufnahmen
Originaltitel: FusionSwinUNETR: A multimodal deep learning model for abdominal mass segmentation in pediatric CT
Die Forschung zu soliden Tumoren im Kindesalter ist durch knappe Daten und die alleinige Abhängigkeit von Bildgebung eingeschränkt. Das Team entwickelte FusionSwinUNETR, das Patientenmetadaten und von Ärzten verfasste Befunde zusammen mit CT-Bildern in ein SwinUNETRv2-Backbone einspeist, um Raumforderungen im Bauchraum zu segmentieren. Bei 750 Kindern mit 12 Arten von Raumforderungen übertraf es eine reine Bild-Baseline in jeder Metrik: Der Dice-Wert stieg von 0,882 auf 0,900, und der Randfehler (HD95) sank um 46 %, von 8,93 mm auf 4,79 mm.