CK-ATTnet:基于卷积内核注意力的医学图像细分网络
Biao Cai1, Mingyang Liu2, Zhihao Lu2
1College of Computer Science and Cyber Security, Chengdu University of Technology, Chengdu 610059, China; College of Industrial Technology, Chengdu University of Technology, Yibin 644000, China.
Computers in biology and medicine
|November 6, 2024
概括
本研究介绍了CK-ATTnet,这是一个用于医疗图像细分的新型卷积内核注意力网络. 它提高了特征提取和降低参数,提供比现有的CNN和变压器模型更好的性能.
科学领域:
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
- 计算机视觉 计算机视觉
背景情况:
- 医学图像细分对于诊断和治疗至关重要.
- 卷积神经网络 (CNN) 在特征提取方面面临限制.
- 变压器模型提供了进步,但具有高的计算成本和结构刚性.
研究的目的:
- 开发一个高效和可适应的医疗图像细分模型.
- 解决临床环境中计算资源的局限性.
- 为卷积内核提出一种新的注意力机制.
主要方法:
- 推出了CK-ATTnet,这是一个使用卷积内核注意力机制的网络.
- 在注意力机制中使用深度可分离的卷积.
- 应用注意力直接用于卷积内核的特征提取.
主要成果:
- CK-ATTnet 增强了本地特征采集和细粒度特征提取.
- 与其他CNN和变压器模型相比,该模型表现出优越的细分性能.
- CK-ATTnet需要更少的学习参数,使其适合临床设备.
结论:
- CK-ATTnet提供了一种有前途的医疗图像细分方法,提高了准确性和效率.
- 对卷积内核的注意力机制的新应用是一个显著的进步.
- 该模型的参数数量减少和强大的性能表明其广泛的临床适用性.
