LcmUNet:一种轻量级网络,将CNN和MLP结合起来,实现实时医疗图像细分
1School of Computer and Information Science, Chongqing Normal University, Chongqing 401331, China.
Bioengineering (Basel, Switzerland)
|June 28, 2023
概括
一个新的轻量级网络,LcmUNet,提供快速而准确的医疗图像细分. 该模型使用卷积层和MLP层以更少的参数实现实时性能,提高诊断能力.
科学领域:
- 计算机视觉 计算机视觉
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- UNet及其变体是医疗图像细分的标准,但其计算复杂性很高.
- 实时医学图像细分对于及时诊断和治疗至关重要,但受到现有模型限制的阻碍.
研究的目的:
- 引入一个轻量级的医疗图像分割网络 (LcmUNet),平衡准确性,参数数量和计算效率.
- 为了实现临床应用的快速,实时的医疗图像细分.
主要方法:
- 开发了LcmUNet,这是一个混合CNN-MLP架构,具有卷积层 (前三层) 和MLP层 (最后两层).
- 整合了一个新的LDA模块,结合了不对称的,深度可分离的卷积和注意力机制,以减少参数,同时保持特征提取.
- 引入了一个LMLP模块来增强上下文和本地信息处理,以提高准确性和速度.
主要成果:
- 在没有预先培训的情况下,LcmUNet只用149万个参数实现了实时细分.
- 在数据集中表现出强的表现:ISIC2018 (IoU 85.19%),BUSI (IoU 63.99%),以及Kvasir-SEG (IoU 81.89%).
- 在所有测试的医学成像数据集上实现了高精度和回忆率.
结论:
- LcmUNet为实时医疗图像细分提供了有效的解决方案.
- 轻量级设计和高效的模块使其适用于资源有限的环境和快速的临床部署.
- 该模型显示了通过准确和快速的细分来改善诊断工作流程的巨大潜力.
