MSDEnet:基于人类视觉系统的多尺度细节增强网络,用于医疗图像细分
Yuangang Ma1, Hong Xu2, Yue Feng1
1Department of Intelligent Manufacturing, Wuyi University, China.
Computers in biology and medicine
|January 23, 2024
概括
这项研究引入了一种用于医疗图像细分的新型多尺度细节增强网络. 新方法提高了图像的准确性,边界不清楚,超过现有的算法.
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:
- 医疗图像细分的准确性降低了图像不清楚的边界,如某些皮肤或CT扫描.
- 现有的细分方法在微妙的细节和相邻结构之间的相似特征值方面扎.
研究的目的:
- 开发一个先进的深度学习网络,以增强医疗图像细分.
- 为了提高细分精度,特别是在对比度低或边界模糊的图像中.
主要方法:
- 提出了一个以人类视觉系统为灵感的多尺度细节增强网络.
- 引入了一个细节增强模块,使用不对称和标准卷曲来改善对比度.
- 整合了一个多通道尺度模块 (改编自Res2net),以增加有效的接收场和利用冗余信息.
主要成果:
- 与常见的医疗图像细分算法相比,拟议的网络在四个数据集中实现了卓越的性能.
- 废弃性研究证实了每个拟议模块对整体性能的重大贡献.
结论:
- 多尺度细节增强网络有效地解决了细微或模糊特征的医疗图像细分方面的局限性.
- 这种方法为准确可靠的医疗图像细分提供了有希望的进步.
