一种基于注意力机制的轻量级膀瘤细分方法
Xiushun Zhao1, Libing Lai2, Yunjiao Li1
1School of Automation, Guangdong University of Technology, Guangzhou, 510006, China.
Medical & biological engineering & computing
|February 2, 2024
概括
一个新的细分网络,NAFF-Net,可以在内镜图像中准确识别膀瘤. 这种方法提高了诊断准确度和治疗规划,通过有效地细分具有模糊边界和可变形状的瘤.
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:
- 在内镜图像中精确的膀瘤细分对于临床诊断和治疗计划至关重要.
- 挑战包括模糊的边界和高度可变的瘤形状,使细分工作复杂化.
研究的目的:
- 在内镜成像中开发先进的细分网络,以改善膀瘤检测.
- 为了提高诊断准确度,并促进更好的患者治疗策略.
主要方法:
- 提出了一个嵌套的注意力特征融合细分网络 (NAFF-Net),使用编码器-解码器架构.
- 整合了一个加权的金字塔聚合模块 (WPPM) 带有状卷积,用于增强特征提取,以及一个嵌套的注意力特征融合 (NAFF) 模块,用于细节聚焦.
- 开发了一个加权的混合损失函数来解决阶级失衡问题.
主要成果:
- NAFF-Net实现了优异的细分性能,其平均交叉在欧盟 (MIoU) 的84.05%,MP精度为91.52%,MRecall为90.81%,F1得分为91.16%.
- 在公开数据集Kvasir-SEG和CVC-ClinicDB上表现出强的结果.
- 与其他模型相比,参数数量减少,提高了部署能力.
结论:
- 在膀瘤细分精度和效率方面,NAFF-Net提供了显著的进步.
- 该网络处理复杂图像特征的能力及其计算效率使其适合临床部署.
