科隆网:一种基于LK-RFB和GPPD的新的多片细分框架.
Dong Sui1, Weifeng Liu1, Yue Zhang2
1School of Electrical and Information Engineering, Beijing University of Civil Engineering and Architecture, Beijing, China.
Computers in biology and medicine
|October 7, 2023
概括
本研究介绍了ColonNet,这是一种快速高效的AI框架,用于在结肠镜检查期间对结肠直肠多进行细分. 科伦网实现了高精度,并显著提高了处理速度,解决了当前诊断工具的关键局限性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 结肠直肠癌 (CRC) 是全球癌症死亡的主要原因.
- 目前的CRC查很大程度上依赖于结肠镜检查,而聚的诊断至关重要.
- 现有的AI多细分方法在准确性,概括性和速度方面扎.
研究的目的:
- 开发一个快速和高效的AI框架,用于在结肠镜图像中准确地细分多.
- 在速度和准确性方面克服当前细分方法的局限性.
主要方法:
- 拟议的ColonNet框架使用大内核接收场区块 (LK-RFB) 和全球并行部分解码器 (GPPD).
- 在多个公共数据集上进行了广泛的测试,包括CVC-300.
主要成果:
- 在CVC-300数据集上,ColonNet实现了超过0.910的DICE系数和超过102的FPS.
- 在五个公共数据集上超越或匹配最先进的方法.
- 在保持高细分精度的同时,证明了优越的处理速度 (FPS>102).
结论:
- 科隆网代表了人工智能驱动的片细分在结直肠癌查中的重大进步.
- 该框架为在临床环境中更快,更准确和更普遍地检测多重体提供了一个有前途的解决方案.
