焦点U2网络:开创双重注意力与封闭的U-Net,用于结肠镜聚细分
Tareque Bashar Ovi1, Nomaiya Bashree1, Hussain Nyeem1
1Department of EECE, Military Institute of Science and Technology (MIST), Mirpur Cantonment, Dhaka, 1216, Bangladesh.
Computers in biology and medicine
|January 10, 2025
概括
焦点U2Net显著改善了结肠镜图像中的自动聚细分,增强了早期结肠直肠癌检测. 这种AI模型为临床应用提供了高精度和高效率.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 结肠直肠癌 (CRC) 的存活率在早期检测和片去除的情况下提高了高达90%.
- 在结肠镜图像中的自动化多片细分有助于诊断,并减少手动分析负担.
研究的目的:
- 介绍FocusU2Net,这是一个新的深度学习模型,用于在结肠镜图像中自动化聚细分.
- 在多个基准数据集上对FocusU2Net的性能进行评估.
主要方法:
- 开发了FocusU2Net,这是一个双层嵌套的U结构,具有双重注意力 (Focus Gate模块) 和多尺度接收场 (剩余U块).
- 在Kvasir-SEG,CVC-ClinicDB,CVC-ColonDB,ETIS-Larib和EndoScene数据集上进行了测试.
- 综合可解释的人工智能技术用于模型可解释性.
主要成果:
- 与现有模型相比,实现了3.14%至43.59%的子得分改进.
- 证明了85%的跨数据集验证成功率,超过了以前的模型.
- 模型表现出适合实时使用的计算效率 (46.64M参数,78.09 GFLOPs,39.02 GMacs).
结论:
- 福克斯U2Net为自动化多片细分提供了高精度,效率和可解释性.
- 该模型是临床实践的可扩展解决方案,推进医学图像分析和计算机辅助诊断.
