HIMS-Net:水平-垂直交互和多个侧输出网络用于大图像中的囊细分

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 口腔和牙面部外科手术

背景情况:

• 囊可以引起显著的症状,如面部胀和牙脱落.
• 囊图像的复杂性和多样性对当前的深度学习算法提出了挑战.
• 精确的囊细分对于有效的诊断和治疗计划至关重要.

研究的目的:

• 开发和评估一个新的深度学习网络,用于准确的囊细分.
• 解决现有的算法在处理复杂的囊图像数据方面的局限性.
• 提高快速和准确的临床诊断下巴囊.

主要方法:

• 引入一个水平-垂直交互机制,以增强上下文依赖性捕获.
• 使用功能融合单元来获取多尺度的上下文信息.
• 实施多个侧输出策略,以生成详细的细分地图.

主要成果:

• 拟议的HIMS-Net实现了高性能指标:马修斯相关系数 (Mcc) 为93.61%,戴斯为93.66%,贾卡德为88.10%.
• 在自主建立的数据集上的实验结果证明了网络的有效性.
• 性能与专家医生相当,表明临床可用性.

结论:

• HIMS-Net展示了快速和准确的囊诊断的巨大潜力.
• 该网络的创新架构有效地处理了大囊图像细分的复杂性.
• 这一进步可以通过更早,更精确的诊断来改善患者的治疗结果.