NEWS
Hochrangige Publikation zur Bildgebung von Leberkrebs
Wir freuen uns über die Journalpublikation „Joint liver and hepatic lesion segmentation in MRI using a hybrid CNN with transformer layers“ im Computer Methods and Programs in Biomedicine Journal (Impact Factor 7.07).
Die Inzidenz von Leberkrebs nimmt weiter zu, was präzise Segmentierungsmethoden in der klinischen Praxis erforderlich macht. Das Computational Medicine Team am Forschungscampus STIMULATE hat sich dieser Herausforderung angenommen und das SWTR-Unet entwickelt, ein hybrides Netzwerk, das convolutional- und transformer-basierte Architekturen kombiniert. Das Netzwerk verwendet ein vorab trainiertes ResNet, Transformer-Blöcke und einen Decoder-Pfad im U-Net-Stil. In Zusammenarbeit mit medizinischen Expert:innen der Klinik für Radiologie und Nuklearmedizin am Universitätsklinikum Magdeburg wurde das Netzwerk auf nicht kontrastverstärkten Leber-MRT- und CT-Daten der LiTS-Herausforderung angewendet.
Die Forschungsergebnisse wurden in der Publikation "Joint liver and hepatic lesion segmentation in MRI using a hybrid CNN with transformer layers” durch die Autor:innen Georg Hille, Shubham Agrawal, Pavan Tummala, Christian Wybranski, Maciej Pech, Alexey Surov and Sylvia Saalfeld am 07. Juni 2023 online im Fachjournal “Computer Methods and Programs in Biomedicine” veröffentlicht und ist hier einsehbar: https://doi.org/10.1016/j.cmpb.2023.107647.
Abbildung: Aufbau des SWTR-Unet-Netzwerks zur verbesserten Segmentierung der Leber und Metastasen. Figure: Illustration of the SWTR-Unet for improved segmentation of liver and metastases.
High-profile publication on liver cancer imaging
We are excited to announce the acceptance of our scientific paper, titled "Joint liver and hepatic lesion segmentation in MRI using a hybrid CNN with transformer layers" by the renowned Journal Computer Methods and Programs in Biomedicine (Impact Factor 7.07).
Liver cancer incidence continues to rise, necessitating accurate segmentation methods in clinical practice. Addressing this challenge, the computational medicine team of the research campus STIMULATE developed the SWTR-Unet, a hybrid network combining convolutional and transformer-based architectures. Incorporating a pretrained ResNet, transformer blocks, and a Unet-style decoder path, the network was applied to non-contrast-enhanced liver MRI and CT data from the LiTS challenge in collaboration with medical experts from the Department for Radiology and Nuclear Medicine at University Hospital of Magdeburg.
The research results were published in the paper "Joint liver and hepatic lesion segmentation in MRI using a hybrid CNN with transformer layers" by author:s Georg Hille, Shubham Agrawal, Pavan Tummala, Christian Wybranski, Maciej Pech, Alexey Surov and Sylvia Saalfeld online June 07, 2023 in the journal "Computer Methods and Programs in Biomedicine" and can be viewed here: https://doi.org/10.1016/j.cmpb.2023.107647.