MD-UNet:基于混合深度卷积的医疗图像细分网络
Yun Liu1, Shuanglong Yao1, Xing Wang2
1School of Information Science and Engineering, Linyi University, Linyi, 276000, China.
Medical & biological engineering & computing
|December 29, 2023
概括
这项研究介绍了MD-UNet,这是一个新的U形网络,用于医疗图像细分. 它通过解决类内变异性和增强特征冗余性来改善病变区域提取,从而导致更好的癌症诊断.
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:
- 精确的病变细分对于癌症诊断和治疗规划至关重要.
- 目前的基于UNet的医疗图像细分方法与类内可变性和特征冗余性作斗争.
研究的目的:
- 提出MD-UNet,一个U形网络,旨在改善医疗图像细分.
- 通过增强特征提取和处理图像变化来解决现有方法的局限性.
主要方法:
- 引入了混合深度卷积残余模块 (MDRM) 和混合深度卷积注意力块 (MDAB).
- MDAB捕捉了本地和全球的依赖性,减轻了类内差异,并生成了多个特征映射.
- 开发了MD-UNet架构,整合了MDRM以实现增强的细分.
主要成果:
- 与UNeXt相比,MD-UNet在ISIC2018数据集上的细分精度得到了改进.
- 实现了1.33%的子系数增加和1.91%的交叉与联盟 (IoU) 的增加.
结论:
- MD-UNet有效地解决了医疗图像细分中的类内变异性和特征冗余性.
- 拟议的方法显示了通过更准确的病变区域提取来改善临床诊断的巨大潜力.
