相关实验视频
Updated: Jun 15, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
379
通过使用NanoNetB对结肠直肠多胞体进行细分,以及有条件随机场测试时间增大,提高了准确性
Muhammad Sajjad Hussain1, Umer Asgher2,3, Sajid Nisar4
1Department of Computer Science, Sir Syed (CASE) Institute of Technology, Islamabad, Pakistan.
Frontiers in robotics and AI
|August 26, 2024
概括
这项研究引入了一种增强的纳米网模型,用于精确的实时息肉细分在结肠镜图像中,显著减少错过的检测. 轻量级模型提高了准确性,特别是对于小息肉,有助于早期预防结直肠癌.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 胃肠病学 胃肠病学
背景情况:
- 结肠镜对于早期检测结肠直肠多和预防癌症至关重要.
- 目前的结肠镜技术由于诸如多形状,大小和与周围组织相似的挑战而遭受高的多错误率.
- 现有的聚细分深度学习模型往往太复杂,无法实时临床应用,需要轻量级和高效的解决方案.
研究的目的:
- 开发一种新,轻量级和通用的增强型纳米网模型,用于准确的,实时的结肠镜图像中的多体细分.
- 改进使用NanonetB的Nanonet架构,结合数据增强,条件随机场 (CRF) 和测试时间增强 (TTA).
- 为应对实时细分,最小延迟和与内镜硬件无集成的挑战.
主要方法:
- 提出了一种新的增强纳米网模型,它是使用纳米网B的纳米网的改进.
- 实现数据增强,有条件随机场 (CRF) 和测试时间增强 (TTA) 以提高模型性能.
- 在六个不同的,公开可用的结肠镜数据集 (Kvasir-SEG,Endotect Challenge 2020,Kvasir-instrument,CVC-ClinicDB,CVC-ColonDB,CVC-300) 上评估了模型,以获得概括性.
主要成果:
- 在Kvasir-SEG数据集中,实现了0.8188的平均交叉在欧盟 (mIoU) 和0.8060的Dice系数.
- 增强型纳米网模型只有132,049个参数,需要最小的计算资源.
- 在检测较小和状 (平面) 息肉方面表现得更好,这些在标准检查中经常错过.
结论:
- 拟议的增强型纳米网模型提供了一个轻量级和通用的解决方案,用于精确的,实时的片细分在结肠镜检查.
- 整合CRF和TTA显著提高了跨不同数据集的细分性能,验证了其通用性.
- 这种模型有可能减少结肠镜检查中错误率,从而改善结肠直肠癌的早期检测和预防.
