动态频率脱精炼网络用于聚体细分
Yao Tong1,2, Jingxian Chai1, Ziqi Chen3
1School of Artificial Intelligence and Information Technology, Nanjing University of Chinese Medicine, Nanjing 210023, China.
Bioengineering (Basel, Switzerland)
|March 28, 2025
概括
我们开发了一种新的AI方法,用于在结直肠癌查中对多体进行细分. 我们的动态频率脱精细化网络 (DFDRNet) 通过处理频率和空间领域的图像数据来提高精度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 准确的聚细分对于早期检测结直肠癌至关重要.
- 挑战包括多的变异性 (大小,形状,纹理) 和低对比度.
- 当前的空间域方法在特征分离方面存在困难,限制了细分性能.
研究的目的:
- 引入一个新的细分框架,即动态频率脱精炼网络 (DFDRNet).
- 通过整合频域和空间域处理来提高多片细分的准确性.
- 提高医疗成像中多检测的稳定性和效率.
主要方法:
- 开发了频率自适应解 (FAD) 模块,用于动态分离高频和低频图像组件.
- 引入了频率适应性改进 (FAR) 模块,以在空间特征融合之前改进频率组件.
- 将这些模块集成到U形编码器-解码器架构中,用于聚细分.
主要成果:
- DFDRNet在聚合物细分的三个基准数据集上取得了最先进的性能.
- 与现有方法相比,该方法显示出更高的稳定性和计算效率.
- 评估证实了频域集成在提高细分精度方面的有效性.
结论:
- DFDRNet在人工智能驱动的聚细分中为结直肠癌查提供了重大进展.
- 拟议的频域和空间域集成有效地解决了细分挑战.
- DFDRNet提供了一个有前途的工具,以提高癌症早期检测的准确性和效率.
更多相关视频
16:23Fiber Connections of the Supplementary Motor Area Revisited: Methodology of Fiber Dissection, DTI, and Three Dimensional Documentation
Published on: May 23, 2017
12:26Control of Cell Adhesion using Hydrogel Patterning Techniques for Applications in Traction Force Microscopy
Published on: January 29, 2022