增强注意力的轻量级架构与混合损失,用于哥洛斯科普图像细分
Priyadarshini Chatterjee1, Shadab Siddiqui1, Razia Sulthana Abdul Kareem2
1Department of Computer Science and Engineering, Koneru Lakshmaiah Education Foundation, Hyderabad 500075, Telangana, India.
Cancers
|March 13, 2025
概括
这项研究引入了用于宫癌查的轻量级计算机辅助诊断模型,显著提高了镜图像细分的准确性和效率. 这种先进的模型增强了诊断工具,以获得更好的患者结果.
科学领域:
- 医疗成像医学成像
- 计算机辅助诊断 计算机辅助诊断
- 在瘤学瘤学.
背景情况:
- 通过计算机辅助诊断进行宫癌查,在结肠镜图像中面临细分挑战.
- 不准确的细分和不完整的边界检测阻碍了诊断的准确性.
研究的目的:
- 开发一种轻量级的细分模型,以提高镜图像分析的精度和计算效率.
- 为了提高宫癌查工具的精度.
主要方法:
- 集成的双编码器骨干 (ResNet50,MobileNetV2) 用于特征提取.
- 采用轻量级的空心空间金字塔聚合 (ASPP) 模块,用于多层次的环境.
- 整合了一个新的注意力模块,用于增强功能细节,以及精细的解码器,用于边界细分.
主要成果:
- 实现了高性能指标:97.56%的培训准确度,96.04%的验证准确度,97.00%的特异性,96.78%的灵敏度.
- 证明了优越的细分,具有98.71%的子系数和97.56%的IOU.
- 在科尔波斯科普图像细分精度和效率方面表现优于现有方法.
结论:
- 拟议的轻量级模型提供精确可靠的镜图像细分.
- 这一进步有可能在宫癌诊断中得到现实世界的临床应用.
- 该研究有助于改善瘤学诊断工作流程和患者的治疗结果.


