相关实验视频
Updated: Jun 28, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
394
改进的双聚合聚细分网络,将金字塔视觉变压器与完全卷积网络相结合
Feng Li1, Zetao Huang1, Lu Zhou2
1School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China.
Biomedical optics express
|April 18, 2024
概括
我们开发了Dua-PSNet,这是一个新的双聚合网络,用于在结肠镜图像中准确地细分聚. 这种方法通过改善多重体特征歧视和细分精度来提高早期结直肠癌诊断.
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:
- 在结肠镜检查中精确的聚细分对于早期结肠直肠癌的诊断和治疗至关重要.
- 挑战包括多胞体大小,形态和不清晰的边界与周围的粘膜的变化.
研究的目的:
- 提出Dua-PSNet,一个改进的双聚合网络,用于精确的自动聚合物细分.
- 增强多特征的区分,提高全尺寸细分图的准确性.
主要方法:
- 一个平行双分支网络,结合了变压器 (PVTv2-B3) 和一个完全卷积网络 (FCN).
- 包含一个多级特征聚合解码器 (MFAD) 与自适应特征聚合 (AFA) 和ResidualBlock模块.
- 使用选择性全球到本地融合头 (SGLFH) 集成详细的边界线索与全球语义特征.
主要成果:
- 杜阿-PSNet在五个具有挑战性的多片细分基准上展示了强大的学习和概括能力.
- 实现了最先进的细分性能,超过了现有的尖端方法.
- 成功解决了与多尺度变化和模糊边界相关的挑战.
结论:
- 杜亚PSNet提供了一个有前途的解决方案,用于实际的多片细分任务与各种数据变异.
- 双聚合方法有效地提高了特征歧视和细分精度.
- 该方法具有改善结直肠癌查和管理的巨大潜力.
