AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-23
FusionSwinUNETR:用於兒童CT腹部腫塊分割的多模態深度學習模型
原標題: FusionSwinUNETR: A multimodal deep learning model for abdominal mass segmentation in pediatric CT
兒童實體腫瘤研究受限於資料稀少，且過度依賴單一影像。研究團隊開發了 FusionSwinUNETR，它將病患後設資料與臨床醫師撰寫的檢查所見，連同 CT 影像一併輸入 SwinUNETRv2 骨幹網路，以分割腹部腫塊。在涵蓋 12 種腫塊類型的 750 名兒童中，其各項指標均優於僅使用影像的基準模型，Dice 從 0.882 升至 0.900，邊界誤差（HD95）則下降 46%，從 8.93 mm 降至 4.79 mm。