3D残留注意力等级融合,用于实时检测前列腺囊
Shixiao Wu1, Chengcheng Guo2, Ayixiamu Litifu3
1School of Information Engineering, Wuhan Business University, 816 Dongfeng Avenue, Caidian District, Wuhan, Hubei, 430056, China.
BMC medical imaging
|June 24, 2024
概括
一个新的深度学习模型,AFFSSD,在内镜图像中快速准确地检测前列腺囊,在精度和速度方面超过现有方法,以改善外科监测.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 手术技术 手术技术
背景情况:
- 在电外科手工前列腺囊识别是耗时且容易出现错误的.
- 在前列腺电外科手术期间实时监控需要更快,更准确的检测方法.
研究的目的:
- 开发一种深度学习方法,用于使用内镜光学图像进行前列腺囊自动检测.
- 为了提高前列腺囊识别在手术环境中的速度和准确性.
主要方法:
- 利用简单的,无参数的注意模块 (SimAM) 进行增强的特征提取.
- 采用了具有3D残留注意力机制的层次融合网络.
- 开发了一种改进的单射式多盒探测器模型 (AFFSSD).
主要成果:
- 在NVIDIA RTX 2060上,AFFSSD模型在0.014毫秒时实现了83.12%的检测精度.
- 与更快的R-CNN,SSD和EfficientDet.相比,已经证明了更高的平均精度 (mAP) 和速度.
- 在性能指标中仅次于YOLOv7的排名第二.
结论:
- 拟议的网络有效地提取区域图像特征,同时保持空间结构.
- 有助于快速准确地检测医疗图像,这对于手术过程至关重要.
