DC-MSSFF 网络:用于胆管癌病理的双通道多尺度空间光谱特征融合网络,用于高分辨率的高光谱图像细分
Meiyan Liang1, Zelin Xi2, Bo Li3
1Shanxi Key Laboratory of Wireless Communication and Detection, School of Physics and Electronic Engineering, Shanxi University, Taiyuan, 030006, Shanxi, China; Shanxi Beike Biotechnology, Taiyuan, 030006, Shanxi, China.
Computer methods and programs in biomedicine
|June 25, 2025
概括
一个新的双通道多尺度空间光谱特征融合网络 (DC-MSSFF Net) 显著改善了胆管癌的高光谱图像细分. 这种先进的深度学习模型在病理图像分析中实现了卓越的准确性.
科学领域:
- 医疗图像处理 医学图像处理
- 计算病理学计算病理学
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 病理图像的高精度细分至关重要,但具有挑战性.
- 超光谱显微镜成像为增强细分提供了丰富的光谱和空间数据.
研究的目的:
- 提出一种新的网络,用于胆管癌高光谱图像 (HSI) 的语义细分.
- 为了利用双通道架构来提高功能融合和细分精度.
主要方法:
- 开发了一种双通道多尺度空间频谱特征融合网络 (DC-MSSFF Net).
- 该网络集成图形内图形 (GwG) 空间上下文和多尺度CNN以实现像素级精细化.
- 基于整体的框架被用来进一步提高模型的性能.
主要成果:
- 在DC-MSSFF网络中,在胆管癌HSI数据上,达到了70.47的Dice相似系数.
- 性能明显超过了最先进的 (SOTA) 和基于RGB的细分方法.
- 该模型证明了空间光谱特征的有效融合,用于精确的细分.
结论:
- DC-MSSFF网络在高光谱图像语义细分方面表现出卓越的性能.
- 这种深度学习框架开创了用于高分辨率高光谱图像 (HR-HSI) 分析的感应学习.
- 这项研究强调了超光谱成像和先进的深度学习在癌症诊断方面的潜力.