PECI-Net:从视频光镜吞研究图像中进行玻尿酸细分,使用预处理组合和级联推断推断
Dougho Park1, Younghun Kim2, Harim Kang2
1Pohang Stroke and Spine Hospital, Pohang, Republic of Korea; School of Convergence Science and Technology, Pohang University of Science and Technology, Pohang, Republic of Korea.
Computers in biology and medicine
|March 15, 2024
概括
在视频光学吞研究 (VFSS) 中,PECI-Net 通过使用新的预处理和级联推理技术,改善了球体细分. 这个网络提高了图像质量和准确性,用于检测吞障碍.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
背景情况:
- 通过视频光镜吞研究 (VFSS) 诊断吞障碍,精确的玻尿酸细分是至关重要的.
- VFSS图像存在诸如低对比度,模糊边界和半透明度等挑战,阻碍了精确的细分.
- 现有的模型与VFSS图像数据固有的局限性作斗争.
研究的目的:
- 开发一个先进的网络架构,PECI-Net,以改善VFSS图像中的螺栓细分.
- 解决低质量的VFSS图像在自动吞障碍检测中所带来的困难.
主要方法:
- 拟议的PECI-Net,集成一个预处理组合网络 (PEN) 和一个级联推理网络 (CIN).
- PEN 适应性地结合了预处理算法,以增强 VFSS 图像的清晰度和对比度.
- 通过非对称级联推理,CIN利用上下文信息来完善玻鲁斯细分并减轻错误.
主要成果:
- 在球体细分精度方面,PECI-Net显著超过了最近的四个基线模型.
- 与TernausNet相比,实现了4.54%的改进,与UNet相比提高了10.83%.
- 废弃性研究验证了 PEN 和 CIN 组件在提高性能方面的有效性.
结论:
- 在VFSS分析中,PECI-Net提供了一个可靠的解决方案,用于准确的螺栓细分.
- 拟议的PEN和CIN技术有效地克服了VFSS图像质量限制.
- PECI-Net显示了促进吞障碍自动检测的潜力.
