TransResU-Net:一个基于变压器的ResU-Net,用于实时结肠多片细分

科学领域:

• 医学成像分析分析 医学成像分析
• 医疗保健中的人工智能
• 胃肠病学 胃肠病学

背景情况:

• 结肠直肠癌 (CRC) 是全球癌症死亡的主要原因.
• 及时进行结肠癌查对于早期检测至关重要,但目前的结肠镜检查方法具有显著的聚错过率.
• 早期检测多菌可以降低CRC死亡率和医疗保健成本.

研究的目的:

• 开发基于深度学习的计算机辅助诊断 (CADx) 系统,用于自动分片的断片.
• 提高结肠镜检查期间的多胞体检测率,帮助早期诊断CRC.
• 为实时聚检测系统建立一个基准.

主要方法:

• 提出了一个名为Transformer ResU-Net (TransResU-Net) 的新型深度学习架构.
• 该架构集成了剩余块 (ResNet-50骨干),变压器自我注意力和扩展卷积.
• 在两个公开的多片细分数据集上评估了模型.

主要成果:

• TransResU-Net取得了非常有前途的子得分,表明了有效的细分精度.
• 该模型展示了实时处理速度,适合临床应用.
• 实验结果表明,在聚合物检测指标中,它的有效性很高.

结论:

• TransResU-Net显示出作为实时聚检测系统的基准的巨大潜力.
• 这种人工智能系统可以帮助胃肠科医生识别遗漏的息肉,改善早期CRC诊断.
• 开发的系统有助于成本效益高,长期预防结直肠癌.