HADCN:一个层次上升的密集连接网络,用于增强医疗图像细分
Dibin Zhou1, Mingxuan Zhao1, Wenhao Liu2
1School of Information Science and Technology, Hangzhou Normal University, Street, Hangzhou, 311121, Zhejiang, China.
Medical & biological engineering & computing
|March 14, 2025
概括
本研究介绍了HADCNet,这是一个用于医疗图像细分的新型层次网络. 通过捕捉本地和全球病理特征,HADCNet提高了准确性,优于现有的方法.
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:
- 在医疗图像细分中,U型架构是主流,但与详细特征损失作斗争.
- 准确的细分对于计算机辅助诊断技术至关重要.
研究的目的:
- 提出一种新的层次上升密集连接网络 (HADCNet),以增强医疗图像细分.
- 为了有效地捕捉本地短距离和全球远距离的病理特征.
主要方法:
- HADCNet使用一个跨度上升的密集连接结构,具有多路径注意门 (MAG),用于全面的全球特征交互.
- 空间通道重建单元 (SRU和CRU) 用于减少计算和增强特征学习.
- 多尺度输出被聚合为最终的细分成像.
主要成果:
- 在Synapse数据集上,HADCNet的平均子相似系数 (DSC) 为84.45%,HD95为17.55毫米.
- 该方法在ACDC (心脏) 和ISIC2018 (损伤) 数据集上表现出强的表现.
- 将HADCNet与TransUnet和SwinUnet集成,使得DSC分别提高了3.28%和2.53%.
结论:
- 通过有效捕获多尺度的病理特征,HADCNet提供了一个可靠的解决方案,用于准确的医学图像细分.
- 拟议的网络架构可以灵活地与现有模型集成,以提高性能.
- 在计算机辅助诊断技术的发展方面,HADCNet显示出巨大的潜力.
