多期DCE-MRI高精度分割
首个同时建模多期DCE-MRI空间解剖特征与血流动力学特征的垂体微腺瘤分割网络，性能超越现有方法
Li, Xiangyu · Yifan, Liu · Manxi, Xu · 于洪伟 · Jixin, Luan · Yang, Aocai · Liu, Bing · Shmuel, Amir · Yuan, Zhen · 骆功宁 · Wang, Wei · 马国林 · 王宽全
Information Fusion 2026
通过动态递归图学习方法迭代优化体素间关系理解，在保持解剖一致性的同时捕获期相间动态依赖，避免静态图学习对动态信息的损失。
自适应静-动混合模块以残差注意力方式将多期动态信息融入解剖特征，弥补单一静态图像缺失的解剖细节，提高对微小结构的表征能力。
解剖-动态注意力融合模块对齐并融合空间-时间特征，生成兼顾空间细节与时间动态的鲁棒表示，解决解剖与动态特征不一致问题。
该网络首次基于差分数据应用时空图学习建模DCE-MRI中的血流动力学特征，为多期MRI分析开辟新途径。