相关实验视频
Updated: Sep 12, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
501
OXSeg:多维注意力 基于网络的唇部细分使用半监督的唇部轮.
Hanie Moghaddasi1,2, Christina Chambers3, Sarah N Mattson4
1Nuffield Department of Women's and Reproductive Health, University of Oxford, OX3 9DU Oxford, U.K.
IEEE access : practical innovations, open solutions
|August 6, 2025
概括
这项研究引入了一种使用注意力UNet和多维输入的新型唇部细分技术,提高了唇部分析和胎儿酒精综合征 (FAS) 识别的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 医学成像分析 医学成像分析
- 生物医学工程 生物医学工程
背景情况:
- 监督唇部细分的准确性受到训练数据的可用性和图像质量变化的限制.
- 唇边界检测中的不准确性会影响唇读和诊断等应用.
- 现有的方法在照明,皮肤色调和图像质量的变化方面存在困难.
研究的目的:
- 开发一种改进的唇部细分方法,解决当前技术的局限性.
- 通过使用新的输入功能,提高唇部轮重建的准确性.
- 评估该方法在确定胎儿酒精综合征 (FAS) 中与唇部相关异常的有效性.
主要方法:
- 提出了一种连续的唇部细分方法,整合了注意力UNet和多维输入.
- 利用本地二进制模式来提取微模式来创建多维输入.
- 开发了一种使用解剖学地标来改进唇形轮估计的口罩生成方法.
主要成果:
- 在上唇细分方面获得了84.75%的平均子得分和99.77%的像素精度.
- 在使用生成对抗网络 (GAN) 分类器识别胎儿酒精综合征 (FAS) 时表现出高准确性 (98.55%).
- 该方法显示了改进的细分,特别是在爱的弓周围.
结论:
- 拟议的方法显著提高了唇部细分的准确性,克服了与图像质量和数据限制有关的挑战.
- 这种技术为分析唇形态和识别与FAS相关的独特唇部特征提供了强大的工具.
- 注意力UNet和多维输入的整合为医学图像分析应用提供了有前途的方向.
