一个新的轻量级多级特征融合细分算法,用于实时宫病变查
Jiahui Yang1, Ying Zhang2, Wenlong Fan1
1College of Quality and Technical Supervision, Hebei University, Baoding, 071002, China.
Scientific reports
|February 21, 2025
概括
一个新的轻量级的人工智能算法,Light-MDDNet,可以在镜图像中快速准确地对宫病变进行细分. 这一进步具有提高实时宫癌查效率的巨大潜力.
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:
- 宫癌查依赖于精确的病变识别.
- 目前用于宫病变的AI细分方法通常过于复杂,无法实时进行大规模查.
研究的目的:
- 开发一种轻量级的人工智能算法,以在镜图像中高效准确地对子宫病变进行细分.
- 在边缘设备上部署和评估算法,以便实时选.
主要方法:
- 提出了一个新的轻量级编码器-解码器细分框架,Light-MDDNet.
- 使用MobileNetV2和DenseASPP模块进行特征提取,以及一个多尺度特征融合 (MFF) 模块.
- 在JETSON ORIN NX边缘设备上部署模型进行实时测试.
主要成果:
- 在 971 张图像的数据集上,实现了 94.96% 的平均像素精度 (MPA),每张图像的平均速度为 19.60ms.
- 在移动终端部署后,证明了持续的准确性和降低的干扰速度 (31.57ms/图像).
- 在准确性和速度上超越现有的最先进的细分网络.
结论:
- 轻MDDNet在宫病变细分的准确性和速度之间提供了最佳的平衡.
- 拟议的轻量级模型显示了在大量宫癌查系统中实际部署的巨大潜力.
