从胸部X射线图像中细分肺部,基于深心脏注意力UNet (DAA-UNet) 模型
Vivek Kumar Yadav1, Jyoti Singhai2
1Department of Electronics and Communication, Maulana Azad National Institute of Technology, Bhopal, M.P., India. viwek94@gmail.com.
Medical & biological engineering & computing
|March 11, 2025
概括
一个新的深心腔注意力UNet (DAA-UNet) 提高了医疗图像细分的准确性. 该模型增强了对结核病等疾病的胸部X射线分析,优于现有方法.
科学领域:
- 医学图像分析 医学图像分析
- 计算机辅助诊断 计算机辅助诊断
- 深度学习架构 深度学习架构
背景情况:
- 医学图像细分对于诊断至关重要.
- 现有的UNet模型在上下文数据利用方面存在局限性.
- 胸部X射线 (CXR) 图像的高效细分对于检测结核病等疾病至关重要.
研究的目的:
- 引入深心腔注意力UNet (DAA-UNet) 以增强医疗图像细分.
- 为了提高CXR图像分割的效率和准确性.
- 在UNet框架内利用注意力机制和Atrous空间金字塔聚合 (ASPP).
主要方法:
- 通过将attention和ASPP模块集成到UNet架构中开发了DAA-UNet.
- 实施了注意力阻断,以优先考虑从编码器到解码器层的特征传播.
- 对肺部细分结核病数据集的模型进行了评估.
主要成果:
- 实现了97.15%的平均准确率.
- 在欧盟 (IoU) 获得了92.37%的平均交叉点.
- 达到了93.25%的平均子系数 (DC),超过了UNet和其他架构.
结论:
- DAA-UNet在医疗图像细分方面表现出卓越的性能,特别是在CXR肺部细分方面.
- 注意和ASPP模块的集成显著提高了细分的准确性和效率.
- 拟议的DAA-UNet显示了改善医疗成像中的计算机辅助诊断的希望.
