LUCF-Net:用于医疗图像细分的轻量级U形级联融合网络

科学领域:

• 医学图像分析 医学图像分析
• 深度学习 (Deep Learning) 是一种深度学习.
• 计算机视觉 计算机视觉

背景情况:

• 变压器层增强U形网络用于医疗图像细分.
• 变形金刚在全球信息方面表现出色,但由于复杂性,他们难以处理局部细节.

研究的目的:

• 提出一个轻量级的U形级联融合网络 (LUCF-Net),以改善医疗图像细分.
• 增强分段网络中的本地和全球信息建模能力.

主要方法:

• 开发了具有非对称结构的LUCF-Net,集成了本地和全球模块.
• 整合了多层级级级联解码网络,以实现更好的信息融合.
• 在CT,MRI和皮肤病学数据集上进行验证,用于医学图像细分.

主要成果:

• 在处理局部-全球信息方面,LUCF-Net的性能超过了最先进的方法.
• 在多器官细分中,实现了1.46%的子系数改进和2.98毫米的Hausdorff距离减少.
• 在没有预先培训的情况下,仅用69.3万个参数和6.6 GFLOPS证明了竞争性表现.

结论:

• 拟议的LUCF-Net有效地提高了医疗图像细分性能.
• LUCF-Net提供了一个更简单,更有效的替代方案,以复杂的基于变压器的细分网络.