人类视觉感知灵感的医疗图像细分网络与多功能压缩
Guangju Li1, Qinghua Huang2, Wei Wang3
1School of Computer Science, Northwestern Polytechnical University, Xi'an 710129, China; School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University, Xi'an 710072, China.
Artificial intelligence in medicine
|April 25, 2025
概括
这项研究介绍了MS-Net,这是一个由人类视觉启发的新型医疗图像细分网络. 它通过有效过噪音和完善细分来实现最先进的准确性,优于使用更少参数的现有方法.
科学领域:
- 医疗图像分析 医学图像分析
- 计算机视觉 计算机视觉 计算机视觉
- 神经科学启发的人工智能
背景情况:
- 医学图像细分对于诊断和治疗计划至关重要.
- 目前的方法在特征融合过程中与噪音作斗争.
- 人类视觉系统有效地抑制噪音,并集成功能.
研究的目的:
- 开发一个医疗图像细分网络,以人类视觉感知为灵感.
- 为了解决现有方法在特征融合过程中处理噪声的局限性.
- 为了提高医学成像中的细分精度和效率.
主要方法:
- 拟议的MS-Net,包括一个多功能压缩 (MFC) 模块.
- MFC模块模仿人类视觉处理以过不相关的功能.
- 细分精细化 (SR) 模块模拟了由医生领导的病变细分.
主要成果:
- 在三个公共数据集上,MS-Net实现了最先进的细分性能.
- 与现有模型相比,显著减少了参数数量.
- 证明有效的噪声抑制和精确的边界划分.
结论:
- 在医疗图像细分方面,MS-Net提供了一种新的,以人类视觉为灵感的方法.
- 该网络在降低计算成本的情况下实现了卓越的准确性和效率.
- 这种方法对推进计算机辅助诊断和治疗规划充满希望.
