TG-Net:使用文本提示来改善皮肤损伤细分
Xiangfu Meng1, Chunlin Yu1, Zhichao Zhang1
1School of Electronics and Information Engineering, Liaoning Technical University, Huludao, China.
Computers in biology and medicine
|July 4, 2024
概括
这项研究介绍了TG-Net,TG-Net是皮肤癌细分的新框架,它使用诊断文本来提高准确性. TG-Net通过在皮肤显微镜图像中有效细分病变,提高了早期皮肤癌检测.
科学领域:
- 医疗图像分析 医学图像分析
- 计算机视觉 计算机视觉 计算机视觉
- 皮肤病学 皮肤病学
背景情况:
- 准确的皮肤病变细分对于早期皮肤癌诊断至关重要.
- 挑战包括病变纹理,大小,形状,位置的变化,以及皮肤镜像中模糊的边界.
研究的目的:
- 提出TG-Net,这是一个新的框架,利用文本诊断信息来指导皮肤镜图像的细分,以改进皮肤癌的检测.
主要方法:
- TG-Net使用双流编码器-解码器架构与Res2Net用于图像特征和文本注意力 (TA) 块用于文本特征.
- 一个多级融合 (MLF) 模块集成了全球指导的功能.
- 多尺度反向注意 (MSRA) 模块通过使用本地和全球特征来完善细分.
主要成果:
- 与最先进的方法相比,TG-Net在ISIC 2017,HAM10000和PH2数据集上表现出卓越的性能.
- 该框架有效地整合了文本信息,以加强损伤细分.
结论:
- 通过结合文本诊断数据,TG-Net提供了一种可靠和有效的方法,用于在皮肤镜像中对皮肤病变进行细分.
- 这种方法有望改善早期皮肤癌的诊断和治疗.
更多相关视频
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
40.2K
13:01Industrialized, Artificial Intelligence-guided Laser Microdissection for Microscaled Proteomic Analysis of the Tumor Microenvironment
Published on: June 3, 2022
3.7K
