用于超声波视频对象细分的级联内外剪贴整形器

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:

• 计算机辅助超声波 (US) 影像学有助于早期临床诊断.
• 目前用于美国图像的视频对象细分 (VOS) 模型由于瘤区域模糊和统一的注意力机制而遭受计算冗余和精度退化.
• 现有的方法在超声波视频中与恶劣的图像质量和模糊的瘤边界作斗争.

研究的目的:

• 开发一种轻量级的剪贴级VOS框架,用于在超声波视频中增强乳腺病变细分.
• 为了提高细分精度并保持计算机辅助诊断的处理速度.
• 为了解决当前VOS模型在处理具有挑战性的超声波图像质量方面的局限性.

主要方法:

• 创建了一个新的注释基准数据集,用于超声视频中的乳腺病变细分.
• 提出了用于并行时空瘤特征提取的内外剪切回形器.
• 引入了剪辑对比损失函数和全球保留存储器,以改善功能对齐和减少计算负载.

主要成果:

• 与最先进的方法相比,拟议的框架实现了更高的细分精度.
• 该模型表明,在没有显著的参数增加的情况下,空间时间感知能力得到了改进.
• 内外剪切回形器有效地提取运动和详细的瘤当前特征,以实现准确的细分.

结论:

• 开发的轻量级剪贴级VOS框架为超声波成像的乳腺病变细分提供了显著的进步.
• 提出的方法,包括内外剪贴回形器和剪贴对比损失,提高了细分的准确性和效率.
• 这项工作为改善早期临床诊断和治疗提供了一个有前途的工具,通过超声视频更精确的瘤识别来改善早期临床诊断和治疗.