Una red colaborativa de dominio dual para la segmentación de pólipos

Área de la Ciencia:

• Imágenes médicas
• Visión por computadora
• Inteligencia artificial

Sus antecedentes:

• La segmentación precisa de pólipos en colonoscopia es crucial para la detección temprana del cáncer colorrectal.
• Los métodos existentes tienen dificultades con los límites indistintos y las variaciones de escala, lo que limita la precisión de la segmentación.

Objetivo del estudio:

• Introducir una novedosa red colaborativa de dominio dual (DDCNet) para mejorar la segmentación de pólipos.
• Abordar las limitaciones en la optimización de las características de los límites y la alineación de la representación de nivel cruzado.

Principales métodos:

• Se desarrolló un módulo de mejora del contexto de frecuencia (FCEM) para refinar las características del dominio de frecuencia.
• Se introdujo un módulo de fusión recalibrado por desplazamiento de nivel cruzado (CSFM) para la alineación de características del dominio espacial.
• Se diseñó una función de pérdida híbrida que combina pérdidas de límites, entropía cruzada y consistencia de frecuencia.

Principales resultados:

• DDCNet logró un rendimiento de última generación en tres conjuntos de datos de referencia (Kvasir SEG, CVC-ClinicDB, CVC-ColonDB).
• Se obtuvieron coeficientes de Dice de 0.9343, 0.9447 y 0.8155, superando a los métodos existentes en un 1.0%-1.5%.
• Los estudios de ablación confirmaron la eficacia de la función de pérdida híbrida FCEM, CSFM y.

Conclusiones:

• DDCNet mejora eficazmente la precisión de la segmentación de pólipos al mejorar las características de los límites y la alineación de nivel cruzado.
• El método propuesto ofrece un avance significativo para la detección automatizada de pólipos en colonoscopia.
• La función de pérdida híbrida y los nuevos módulos contribuyen a un rendimiento de segmentación superior.