相关实验视频
Updated: Jun 5, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
368
基于注意力的多尺度嵌套网络用于生物医学图像细分
Dapeng Cheng1,2, Jia Deng1, Jinjie Xiao1
1School of Computer Science and Technology, Shandong Business and Technology University, No. 191 Binhai Middle Road, Yantai, 264000, Shandong Province, China.
Heliyon
|December 13, 2024
概括
基于注意力的多尺度嵌套网络 (AMNNet) 通过解决样本变异性来改善生物医学图像细分. 这种新的架构增强了特征重点和多尺度上下文,在多个数据集上优于现有的方法.
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:
- 卷积神经网络 (CNN) 已经在生物医学图像细分方面取得了先进.
- 医疗图像细分面临的挑战是由于样本内部的变化和样本间的特异性.
- 现有的模型往往忽视了医学图像细分的独特挑战.
研究的目的:
- 提出一种新的架构,即基于注意力的多尺度嵌套网络 (AMNNet),用于高效的生物医学图像细分.
- 解决当前模型在医疗数据集的样本内变异性处理方面的局限性.
- 为了提高医疗图像细分的准确性和效率.
主要方法:
- 开发了AMNNet,结合了剩余U-CBAM (RSUC) 模块,卷积阶段,MLP阶段和卷积块注意模块 (CBAM).
- 引入了一个轻量级的CBAM,以专注于相关地区,并抑制无关的特征.
- 设计的RSUC模块通过结合不同的受体场来捕获多尺度的上下文信息.
主要成果:
- 与现有方法相比,AMNNet在多个基准数据集 (ISIC2018,CVC-ClinicDB,CVC-ColonDB,BUSI,Glass) 中表现优越.
- 实现了高的子相似度系数 (DSC):91.35% (ISIC2018),90.01% (CVC-ClinicDB),90.80% (CVC-ColonDB),81.61% (BUSI) 和94.31% (GlaS). 获得了高的子相似度系数 (DSC):91.35% (ISIC2018),90.01% (CVC-ClinicDB),90.80% (CVC-ColonDB),81.61% (BUSI) 和94.31% (GlaS). 获得了高的子相似度系数 (DSC) 获得了高的子相似度系数 (DSC).
- 拟议的架构有效地处理了医疗图像固有的特异性和可变性.
结论:
- 对于具有挑战性的生物医学图像细分任务,AMNNet提供了一个有效的解决方案.
- 注意力机制和多级处理的整合提高了细分的准确性.
- AMNNet为自动化医疗图像分析提供了一个有希望的进步.
