基于多尺度局部注意力的儿童侧面脑图的腺增大自动诊断
Yanying Rao1,2, Qiuyun Zhang3,4, Xiaowei Wang5
1Department of Radiology, Fujian Children's Hospital (Fujian Branch of Shanghai Children's Medical Center), College of Clinical Medicine for Obstetrics & Gynecology and Pediatrics, Fujian Medical University, Fuzhou, 350014, Fujian, China.
Scientific reports
|August 10, 2024
概括
这项研究引入了一种基于局部注意力的新型深度学习方法,用于准确诊断腺缩症. 新方法为传统方法提供了更快,更标准化的替代方案,提高了诊断效率.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
背景情况:
- 腺体缩可以导致口腔呼吸,
- 腺体面,腺体面,
- 和呼吸道阻塞.
研究的目的:
- 开发一种全自动化和标准化的方法来诊断腺体缩.
- 克服富士岡比率方法和当前深度学习方法的局限性.
主要方法:
- 基于本地注意力的深度学习方法使用AdeBlock.
- 通过双分支局部注意力,空间和通道信息的融合.
- 在不损失空间信息的情况下进行低采样.
主要成果:
- 实现了0.0023.3的平均平方误差 (MSE).
- 达到1.91的平均辐射误差 (MRE).
- 与其他方法相比,在三个医院数据集上表现出优异的性能.
结论:
- 提出的基于局部注意力的方法为腺体缩诊断提供了有效和自动化的解决方案.
- 这种方法在准确性和标准化方面优于现有的方法.
