相关实验视频
Updated: Jun 21, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
385
双向复制粘贴Mamba用于增强的半监督细分的跨阴道子宫超声图像
Boyuan Peng1, Yiyang Liu1, Wenwen Wang2
1Graduate Department of Computer Science and Engineering, The University of Aizu, Aizu-Wakamatsu 965-8580, Japan.
Diagnostics (Basel, Switzerland)
|July 13, 2024
概括
一个新的半监督深度学习模型,BCP-Mamba,改善了跨阴道超声图像中的参数细分. 这种方法减少了大量手册注释的需要,有助于诊断子宫疾病.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 通过阴道超声波进行精确的参数细分对于诊断子宫疾病至关重要.
- 目前完全监督的深度学习方法需要昂贵,耗时的像素级注释.
研究的目的:
- 为高效的参数细分开发一个半监督模型.
- 减少在医学图像分析中依赖广泛的手册注释.
主要方法:
- 引入一个双向复制粘贴Mamba (BCP-Mamba) 模型.
- 一个U形结构与视觉状态空间 (VSS) 模块的集成.
- 利用了1940年跨阴道超声波图像的数据集.
主要成果:
- BCP-Mamba实现了86.55%的子系数,超过了U-Net (80.72%) 和BCP-Net (84.63%).
- 该模型表明,与U-Net (23.10) 和BCP-Net (21.34) 相比,Hausdorff_95距离 (14.56) 较低.
- 半监督的方法被证明对跨阴道子宫超声波图像细分有效.
结论:
- BCP-Mamba模型为参数细分提供了一种卓越的半监督解决方案.
- 这种方法可以减少专家超声波学家的负担.
- 有助于更准确地预测和诊断子宫状况.
