PEA-Net: 一个渐进的边缘信息聚合网络,用于船舶细分
Sigeng Chen1, Jingfan Fan1, Yang Ding1
1Laboratory of Beijing Engineering Research Center of Mixed Reality and Advanced Display, School of Optics and Photonics, Beijing Institute of Technology, Beijing, 100081, China.
Computers in biology and medicine
|December 27, 2023
概括
一种新的方法,PEA-Net,通过逐步汇总边缘信息来改善医疗图像中的自动血管细分. 这种方法提高了准确性和连接性,克服了噪音和碎片化等挑战,以便更好地诊断疾病.
科学领域:
- 医疗图像分析 医学图像分析
- 计算机辅助诊断是一种计算机辅助诊断.
- 血管成像 血管成像
背景情况:
- 准确的自动血管细分对于诊断血管疾病至关重要.
- 挑战包括不均的对比度,背景噪音和现有方法的碎片化结果.
- 当前的技术往往忽略了血管形态,导致分段错误.
研究的目的:
- 引入一个新的网络,PEA-Net,以改善自动船只细分.
- 解决现有方法在处理噪音和保存船舶结构方面的局限性.
- 为了提高像素级准确性和在船舶细分中的拓连接性.
主要方法:
- 拟议的PEA-Net使用双流感应场编码器 (DRE) 来捕获细致的结构特征并减少噪声.
- 整合了一个渐进的补充融合 (PCF) 模块,通过整合非物信息来增强船舶检测和连接性.
- 采用细分边缘脱增强 (SDE) 模块作为解码器,用于整合功能和完善细分.
主要成果:
- 在多个数据集的船舶细分方面,PEA-Net表现出卓越的性能.
- 该模型在像素级和拓级评估指标方面取得了最佳结果.
- 拟议的战略有效地减少了拓断路,并改善了整体细分质量.
结论:
- PEA-Net为医学成像的自动血管细分提供了显著的进步.
- 网络的架构有效地处理图像噪声,并保留复杂的容器结构.
- 这种方法有望对血管疾病进行更准确,更可靠的诊断.
