穆根网:一种新的结合卷积神经网络和变压器网络,在结肠多片图像细分中具有应用
Chen Peng1, Zhiqin Qian1, Kunyu Wang1
1School of Mechanical and Power Engineering, East China University of Science and Technology, Shanghai 200237, China.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
本研究介绍了MugenNet,这是一个混合模型,将卷积神经网络 (CNN) 和变压器结合起来,以实现高效的结肠多重体图像细分. MugenNet实现了最佳的性能和高速,有助于早期检测聚合物.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 准确的结肠息肉细分对于早期检测和诊断至关重要.
- 卷积神经网络 (CNN) 提供细分能力,但需要长时间的训练时间.
- 变压器通过自我注意力提供计算效率,但风险是信息丢失.
研究的目的:
- 混合CNN和变形金刚,以利用它们的互补优势.
- 开发一个高效和准确的模型,用于结肠多片的图像细分.
- 引入MugenNet,以提升结肠多的早期检测.
主要方法:
- 应用了混合化原理来结合CNN和变压器架构.
- 开发并实施了MugenNet模型用于结肠多片图像细分.
- 进行了全面的实验,比较MugenNet与公共数据集上的其他CNN模型.
主要成果:
- 在ETIS数据集上,MugenNet实现了最佳性能,平均子得分为0.714.
- 该模型显示了56 FPS的高推断速度.
- 废弃实验证实了MugenNet架构的有效性.
结论:
- 拟议的混合化方法有效地结合了CNN和变压器的优势.
- 穆根网为结肠多片图像细分提供了一种卓越的方法.
- 这项工作为早期发现多菌提供了一个计算效率高,准确的工具.
