解除模糊的蒙面图像建模用于超声波图像分析
Qingbo Kang1, Qicheng Lao2, Jun Gao3
1Department of Ultrasonography, West China Hospital, Sichuan University, Chengdu, Sichuan, 610041, China; West China Biomedical Big Data Center, West China Hospital, Sichuan University, Chengdu, Sichuan, 610041, China; Shanghai Artificial Intelligence Laboratory, Shanghai, 200030, China.
Medical image analysis
|July 24, 2024
概括
这项研究引入了针对超声波图像的专用蒙面图像建模 (MIM) 方法,包括消除模糊以增强细节恢复. 这种新的方法在各种诊断任务中取得了最先进的结果,改善了超声波图像分析.
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:
- 大型预训练的视觉基础模型,特别是那些使用蒙面图像建模 (MIM) 的模型,在各种任务中表现有前途.
- 超声波成像中的MIM应用尚未得到充分探索,现有的方法无法解决超声波的独特特征,例如高噪声信号比率.
研究的目的:
- 为超声波成像开发一种专门的蒙面图像建模 (MIM) 方法.
- 为了解决当前MIM方法在处理超声波的高噪声信号比和图像特征方面的局限性.
主要方法:
- 提出了一种模糊化掩盖图像建模 (MIM) 方法,将模糊化任务纳入预训练代理任务中.
- 采用多级层次编码器来捕获本地和全球的上下文信息.
- 在28万张超声波图像上进行了预训练.
主要成果:
- 消除模糊的MIM方法有效地恢复了对于下游分析至关重要的细节.
- 多尺度编码器提高了性能,特别是在像素智能的任务上,如细分.
- 在各种疾病诊断 (结节,哈希莫托甲状腺炎) 和任务类型 (分类,细分) 上取得了最先进的表现.
结论:
- 拟议的消除模糊的MIM对于超声波图像分析是有效的.
- 本文介绍了超声波的专用视觉基础模型,展示了MIM在这个领域的潜力.
