HST-MRF:具有多受体场的异质旋转变压器,用于医疗图像分割

科学领域:

• 医学图像分析 医学图像分析
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 由于远程建模,变压器在医学图像细分方面表现出色.
• 变压器中的补丁细分会导致浅层特征信息和组织结构细节的丢失.

研究的目的:

• 提出一种具有多感应场 (HST-MRF) 模型的新型异质旋转变压器模型.
• 为了解决基于变压器的模型中的补丁细分造成的特征信息丢失.
• 通过保留结构特征来提高医疗图像细分的准确性.

主要方法:

• 开发了一种异质旋转变压器 (HST) 核心模块,对多受体场补丁相互作用给予异质关注.
• 引入了一种多式双线聚合 (MBP) 模块,用于融合多接收场信息并结合语义层面.
• 集成的自适应补丁嵌入 (APE) 和软通道注意 (SCA) 模块,以保留有价值的信息和过通道功能.

主要成果:

• 该HST-MRF模型在聚体,皮肤病变和乳房超声波细分任务上表现出卓越的性能.
• 实验结果显示,与最先进的模型相比,性能超越.
• 除研究和定性分析证实了单个模块的有效性和多受体场细分的好处.

结论:

• 拟议的HST-MRF模型有效地减轻了医疗图像细分中的结构信息损失.
• 多接收场和新型模块的整合提高了细分质量和准确性.
• 在各种医学成像应用中,HST-MRF为精确的病变定位提供了一个有前途的方法.