LM-Net:用于医疗图像细分的轻量级和多尺度网络
Zhenkun Lu1, Chaoyin She2, Wei Wang3
1College of Electronic Information, Guangxi Minzu University, Nanning, China.
Computers in biology and medicine
|November 26, 2023
概括
这项研究介绍了LM-Net,这是一个结合CNN和视觉转换器的新型架构,用于改进医疗图像细分. LM-Net有效地捕捉了多个尺度的特征,提高了准确性并减少了细分错误.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 目前的医疗图像细分方法在处理多层次信息和将本地纹理与全球背景整合方面扎.
- 这导致了诸如过分细分,不足细分和模糊边界等常见问题.
研究的目的:
- 提出一种新的,轻量级的,多尺度的架构 (LM-Net),以提高医疗图像细分的准确性.
- 解决捕获多尺度特征和结合本地和全球信息的局限性.
主要方法:
- 开发了LM-Net,集成卷积神经网络 (CNNs) 和视觉转换器 (ViTs).
- 采用轻量级的多分支模块,用于同一级别的多尺度特征捕获.
- 引入了局部特征转换器 (LFT) 和全球特征转换器 (GFT) 模块,用于同时使用多尺度特征进行局部纹理和全球语义捕获.
主要成果:
- 在三个不同的医学图像数据集上,LM-Net取得了最先进的结果.
- 与现有方法相比,该模型表现出优越的性能.
- 通过轻量化设计 (4.66G FLOPs,5.4M参数) 实现了高精度.
结论:
- LM-Net有效地整合了本地和全球的代表性,减轻了模糊的细分界限.
- 拟议的架构在各种医疗图像细分任务中显示出显著的有效性和适应性.
- LM-Net为准确高效的医疗图像细分提供了一个有前途的解决方案.
