PIS-Net:高效的医疗图像细分网络与多变量下方采样,用于护理点

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:

• 照顾点 (PoC) 影像在传统方法上越来越受欢迎.
• 即时图像细分对于PoC诊断至关重要,但面临着像图像扭曲和低分辨率这样的挑战.
• 有效的即时图像分割需要高效的特征表示.

研究的目的:

• 为即时图像分割提出一个新的特征表示.
• 解决PoC医疗图像中的图像扭曲和低分辨率问题.
• 提高细分模型的概括性和性能.

主要方法:

• 开发了一种对角轴向多层感知器,用于全球特征相关性.
• 引入了多尺度特征融合,以整合线性和非线性特征.
• 构建了动态剩余空间金字塔,以减少图像扭曲.

主要成果:

• 拟议的方法在即时图像细分方面实现了卓越的性能.
• 在BUSI,ISIC2018和MoNuSeg数据集上的子得分平均提高了1.31%.
• 新的特征表示提供了最小的参数和较低的计算复杂性.

结论:

• 拟议的战略有效地改善了用于PoC诊断的即时图像细分.
• 新的特征表示和动态聚合增强了模型的概括性和准确性.
• 这项工作有助于在便携式诊断设备中更可靠,更有效的医学图像分析.