相关实验视频
Updated: Jul 4, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
402
斯温网:一个基于斯温变压器的网络,结合多尺度特征,对乳腺瘤超声波图像进行细分
Chengzhang Zhu1,2, Xian Chai2, Yalong Xiao1
1School of Humanities, Central South University, Changsha 410012, China.
Diagnostics (Basel, Switzerland)
|February 10, 2024
概括
结合变压器和CNN的新型框架Swin-Net提高了乳房超声波图像细分的准确性. 这种方法改善了瘤的识别和定位,为临床应用提供了显著的进步.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 乳腺癌是全球领先的癌症,特别是在女性中.
- 准确的乳腺瘤细分对于诊断和治疗计划至关重要.
- 现有的细分方法难以应对超声波图像采集和瘤特征的复杂性.
研究的目的:
- 介绍Swin-Net,一个新的语义细分框架用于乳房超声波图像.
- 为了提高乳腺瘤细分的准确性和稳定性.
- 为了利用Swin-Transformer与CNN结合的全球建模能力.
主要方法:
- 开发了Swin-Net,将Swin-Transformer编码器与CNN集成在一起.
- 引入了功能改进和增强模块 (RLM) 来改进已学习的功能.
- 实现了分层的多级特征融合模块 (HFM),用于跨层的融合和噪声抑制.
主要成果:
- 与公共数据集上最先进的方法相比,Swin-Net表现出更高的性能.
- 在子系数方面实现了1.4-1.8%的绝对改善.
- 在新推出的乳房超声波图像数据集上验证了模型的有效性.
结论:
- 斯温网显著推进了乳房超声波图像细分.
- 拟议的框架为乳腺癌检测的研究和临床应用提供了有价值的探索.
- 将变压器和CNN与专门模块的集成提高了细分的准确性.
