PS5-Net:一个具有多尺度分辨率的医疗图像细分网络.
Fuchen Li1, Yong Liu1, JianBo Qi1
1Qingdao University of Science and Technology, College of Information Science and Technology, Qingdao, China.
Journal of medical imaging (Bellingham, Wash.)
|February 21, 2024
概括
拟议的PS5-Net通过使用多尺度功能和新的内核选择模块来改善医疗图像细分. 这种先进的卷积神经网络架构在细分复杂的器官 (如肝脏和皮肤病变) 中实现了高精度.
科学领域:
- 人工智能的人工智能
- 医学图像分析 医学图像分析
- 计算机视觉 计算机视觉
背景情况:
- 卷积神经网络 (CNN) 是临床诊断支持的组成部分,特别是在医学图像细分方面.
- 使用跳过连接的U-Net架构被广泛使用,但面临着复杂器官,形态变异和单一分辨率限制的挑战.
- 现有的方法在U-Net结构中由于聚合和有限的上下文交互导致信息丢失.
研究的目的:
- 解决目前用于医学图像细分的深度神经网络的局限性.
- 开发一个能够处理复杂的解剖结构和变异的多尺度细分网络.
- 改进功能提取和整合在不同的分辨率,以提高细分精度.
主要方法:
- 提出了五层金字塔细分网络 (PS5-Net),这是一个基于U-Net架构的多层网络.
- 实现了一个内核选择模块,以从不同分辨率权重和保险丝功能.
- 增强了U-Net特征提取网络 (PS-UNet) 的扩展卷曲,同时保留了经典结构.
主要成果:
- 在CHLISC数据集上获得0.9613的肝脏细分的Dice得分.
- 在ISIC2018数据集上,皮肤病变细分获得0.8587的Dice分数.
- 与现有的医疗图像细分方法相比,表现出卓越的性能.
结论:
- PS5-Net有效地利用多层次的语义信息和全球上下文连接进行准确的细分.
- 该网络在复杂的医疗图像细分任务中表现出卓越的性能,为临床应用提供了潜力.
- 通过精确的图像分析,PS5-Net的进步有助于改进诊断和分析过程,增强患者护理.


