BDFormer:用于皮肤损伤细分的边界感应双解码器变压器
Zexuan Ji1, Yuxuan Ye1, Xiao Ma1
1School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China.
Artificial intelligence in medicine
|February 21, 2025
概括
这项研究引入了一种新的变压器模型,用于在皮肤镜像中对皮肤病变进行细分,通过专注于边界细节来提高准确性,并在多个数据集上取得出色的结果.
科学领域:
- 医疗图像分析 医学图像分析
- 计算机视觉 计算机视觉 计算机视觉
- 人工智能的人工智能是人工智能.
背景情况:
- 精确的皮肤病变细分对于皮肤癌症分析至关重要.
- 挑战包括不清楚的边界,文物,头发和静脉.
- 变压器看起来很有前途,但在对细分至关重要的局部细节方面扎.
研究的目的:
- 开发一个先进的变压器模型,用于精确的皮肤病变细分.
- 解决变压器在捕获局部边界细节方面的局限性.
- 通过结合边界意识机制来提高细分精度.
主要方法:
- 提出了一个具有边界意识的双解码器变压器,具有单个编码器和双解码器.
- 引入了转移窗口交叉注意力和多任务蒸,用于跨任务信息融合.
- 实施了多尺度聚合策略和扩展边界损失函数,以增强边界细节.
- 利用任务智能的一致性损失来确保跨任务的一致性.
主要成果:
- 拟议的模型在ISIC2018,ISIC2017和PH2数据集上取得了出色的表现.
- 与现有的最先进的模型相比,证明了更高的细分精度.
- 有效地处理诸如不清晰的边界和文物等挑战.
结论:
- 边界意识的双解码器变压器为皮肤病变细分提供了强大的解决方案.
- 这些新的方法提高了捕获本地细节和边界信息的性能.
- 该模型显示了在皮肤癌诊断中临床应用的巨大潜力.
更多相关视频
09:21Human Brown Adipose Tissue Depots Automatically Segmented by Positron Emission Tomography/Computed Tomography and Registered Magnetic Resonance Images
Published on: February 18, 2015
10.9K
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
3.6K
