一个高阶焦点交互模型和口腔的数据集,用于口腔的细分

科学领域:

• 医疗成像医学成像
• 计算机辅助诊断 计算机辅助诊断
• 口腔病理学 口腔病理学

背景情况:

• 由于缺乏公共数据集,口腔的计算机辅助诊断受到阻碍.
• 口腔可能呈现癌症病变,因高死亡率而使早期检测至关重要.
• 现有的数据集在很大程度上是私有的,这限制了该领域的研究和开发.

研究的目的:

• 解决口腔研究公共数据的稀缺问题.
• 引入一个多任务数据集 (Autooral) 用于病变细分和分类.
• 提出一个新的深度学习框架 (HF-UNet) 改进口腔检测.

主要方法:

• 自动口语数据集的开发,具有用于细分和分类的多任务注释.
• 介绍了HF-UNet模型,其中包含一个高级焦点交互模块 (HFblock),用于基于注意力的特征提取.
• 将病变定位模块 (LL-M) 与混合Sobel过器集成,以增强边缘识别.

主要成果:

• 在HF-UNet模型中,在Autooral数据集上,口腔的细分得到了大约0.80的子相似系数 (DSC).
• 该模型表现出高效的性能,推断内存使用量仅为2029 MB.
• 拟议的方法平衡了高性能细分与低计算负载.

结论:

• 自口腔数据集和HF-UNet模型对口腔的计算机辅助诊断领域做出了重大贡献.
• 公开发布数据集和代码有助于进一步研究和开发早期检测口腔癌.
• 开发的框架显示了对口腔病变的及时和有效识别的希望.