双通道压缩映射网络与医疗图像细分的融合注意力机制
Xiaokang Ding1, Ke'er Qian2, Qile Zhang3
1College of Mechanical Engineering, Quzhou University, Quzhou, 324000, China.
Scientific reports
|March 15, 2025
概括
这项研究介绍了DCM-Net,这是一种新的双通道压缩映射网络,用于增强医疗图像细分. DCM-Net 改善了病理组织的识别和定量分析,帮助医疗诊断和治疗.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 准确的医学图像细分对于定量分析和病理组织的识别至关重要.
- 由于复杂的组织变异,边缘识别困难和形状变异性,损伤细分存在挑战.
研究的目的:
- 开发一个先进的深度学习模型,以改善医疗图像细分.
- 解决对复杂病理组织细分现有方法的局限性.
主要方法:
- 建议与U-Net集成的双通道压缩映射网络 (DCM-Net).
- 在跳过路径中包含一个融合的注意力机制,以增强上下文信息.
- 利用解码器中的挤压激发模块和剩余连接来提高网络适应性.
主要成果:
- 在各种医学图像数据集上,DCM-Net表现出卓越的性能.
- 在ISIC数据库中获得了高准确度 (91.42%) 和子得分 (86.09%).
- 在垂体腺瘤细分方面获得了出色的结果 (准确率为97.07%,指数为92.29%).
结论:
- DCM-Net有效地提供准确可靠的医疗图像细分.
- 拟议的网络显示了推动医学成像技术发展的巨大潜力.
- 对于具有挑战性的损伤细分任务,DCM-Net提供了一个强大的解决方案.
