DCDSN:双色域姆网络用于多种类别的病理文物
Wei-Long Ding1, Jin-Long Liu1, Wei Zhu1
1College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou, 310023, People's Republic of China.
Biomedical physics & engineering express
|September 24, 2025
概括
这项研究引入了一种双色域语网络 (DCDSN),用于强大的病理文物检测. DCDSN提高了准确性,并大大降低了计算成本,提高了诊断可靠性.
科学领域:
- 数字病理学数字病理学
- 医学图像分析 医学图像分析
- 人工智能在医学中的应用
背景情况:
- 病态图像文物损害了诊断的准确性.
- 现有的文物检测方法面临着变化性,高计算成本和有限的色彩感知方面的挑战,特别是在H&E染色图像中.
- 单色域的依赖阻碍了从正常组织区分文物.
研究的目的:
- 开发一种强大而高效的方法来检测病理学文物.
- 在病理图像中增强特征表示和颜色感知.
- 为了减少文物检测系统的计算负担.
主要方法:
- 提出了一个双色域语网络 (DCDSN),利用RGB和HSV颜色域.
- 采用语网络相似性学习来最大限度地减少颜色域之间的表示差异.
- 集成了一个轻量级的MobileViT-XS骨干与转移学习以提高效率.
- 引入了一个基于动态蛇卷积的特征映射器,以提高对微妙文物特征的灵敏度.
主要成果:
- DCDSN的准确度达到90.97%,超过了AR-Classifier的基线.
- 显著减少参数计数 (74.39%) 和计算 (96.55%).
- 在较低的资源消耗下表现出强的性能.
结论:
- DCDSN有效地检测出病理图像中的文物,其准确性和效率很高.
- 利用双色域和轻量级架构可以增强功能表示,降低计算成本.
- 提出的方法为改善病态图像质量和诊断可靠性提供了一个有希望的解决方案.
