一个轻量级的卷积神经网络,基于动态水平设置损失函数,用于脊柱MR图像细分
Siyuan He1, Qi Li1,2, Xianda Li1
1School of Computer Science and Technology, Changchun University of Science and Technology, Changchun, China.
Journal of magnetic resonance imaging : JMRI
|June 29, 2023
概括
一个新的轻量级模型,动态水平设置网 (DLS-Net),提供有效的脊柱MR图像细分,参数较少. 这种方法增强了脊椎疾病的计算机辅助诊断 (CAD),提高了诊断的准确性和适用性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 脊柱疾病 脊柱疾病
背景情况:
- 脊柱MRI图像细分对于脊柱疾病的计算机辅助诊断至关重要.
- 当前的卷积神经网络提供了有效的细分,但需要高的计算资源.
- 开发轻量级模型对于更广泛的临床应用和效率至关重要.
研究的目的:
- 为高性能脊柱MRI图像分割设计一个轻量级模型.
- 为了提高细分精度,使用动态水平设置损失函数.
- 提高CAD算法的效率,以诊断脊柱疾病.
主要方法:
- 开发和评估了一种新的动态水平设置网 (DLS-Net).
- 使用五倍交叉验证,DLS-Net与主流和轻量级细分模型进行了比较.
- 使用DLS-Net细分结果开发了一种用于腰椎盘评估的CAD算法.
主要成果:
- DLS-Net实现了与U-net++相比较的细分精度,参数显著减少 (1.48%).
- 与磁盘和脊椎手册标签相比,细分结果没有显著差异.
- 使用DLS-Net细分的CAD算法显示出更高的诊断准确度 (87.47%) 比使用非裁剪图像 (61.82%).
结论:
- 拟议的DLS-Net为脊柱MR图像细分提供了高效和准确的解决方案.
- 它的轻量化性质和高性能使其在CAD系统中得到更广泛的应用.
- DLS-Net有助于提高诊断脊柱疾病的准确性,例如磁盘退化和.
