优化Pix2Pix GAN与注意力机制,用于AI驱动的片细分在IoMT启用的智能医疗保健中

科学领域:

• 人工智能的人工智能
• 医疗成像医学成像
• 计算机视觉 计算机视觉

背景情况:

• 在结肠镜检查中,自动化聚细分对于早期发现结肠直肠癌至关重要.
• 传统方法面临的挑战是多的外观变化,图像质量和有限的数据.
• 需要先进的AI技术来提高细分精度和可靠性.

研究的目的:

• 引入一个增强的Pix2Pix生成对抗网络 (GAN),具有用于自动聚细分的注意力机制.
• 为了提高结肠镜图像中多片细分的准确性和稳定性.
• 通过智能医疗保健中的先进人工智能来促进结直肠癌的早期检测.

主要方法:

• 开发了一个增强的Pix2Pix GAN,将注意力机制纳入歧视器.
• 采用混合培训策略,使用真实和合成结肠镜数据.
• 在多个公共结肠镜图像数据集上验证了模型.

主要成果:

• 增强注意力的Pix2Pix GAN显示了显著改善的多片细分性能.
• 与现有的最先进的方法相比,该模型实现了更高的精度和可靠性.
• 对复杂的多重体特征的加强关注导致了细分精度的提高.

结论:

• 开发的AI模型提供了高效和可靠的自动化多重体细分.
• 该模型显示了集成到远程健康监测和智能医疗保健系统的潜力.
• 这项工作强调了人工智能在推进医疗物联网 (IoMT) 支持的医疗保健方面的有效性.