相关实验视频
Updated: Jan 10, 2026
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
727
基于并行扩展卷积和双重注意力机制的多形象细分
Shuhong Chen1, Kairen Chen1, Chenchen Wang1
1School of Computer Science and Cyber Engineering, Guangzhou University, Guangdong, Guangzhou, 510006, China.
概括
这项研究介绍了MSFNet,这是一个新的深度学习模型,用于改善医疗图像中的结直肠聚细分. 通过精确识别小息肉及其边界,MSFNet提高了早期癌症检测.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 胃肠病学 胃肠病学
背景情况:
- 大肠直肠癌通常源于良性息肉,如果不治疗,可以变为恶性.
- 早期检测多瘤对于改善患者生存率至关重要.
- 现有的方法难以定位小息肉和细分模糊的息肉边界.
研究的目的:
- 开发一个先进的多形象细分模型,MSFNet (多尺度特征联网),用于增强结直肠癌诊断.
- 解决医疗图像中小息肉局部化和边界细分方面的挑战.
主要方法:
- 拟议的MSFNet模型使用多尺度的上下文特征提取和道注意模块.
- 集成的通道逐通道卷积和扩展卷积,以实现高效的特征探索,参数数量低.
- 引入了多尺度大扩展Conv内核 (MBDCK) 模块,以增强多尺度上下文和受体场.
- 实施跳过连接用于多级特征融合,以改善全球特征提取.
主要成果:
- 在CVC-ClinicDB数据集中,MSFNet获得了0.892的Dice分和0.926的mIoU.
- 与U-Net,Pranet和SwinUNet相比,其表现优越,mIoU比U-Net高约10%.
- 与现有的先进模型相比,具有较少的参数,具有出色的细分精度和概括能力.
结论:
- MSFNet有效地克服了小息肉局部化和边界细分方面的局限性.
- 拟议的模型为医学成像中准确和高效的结直肠聚细分提供了一个有前途的解决方案.
- MSFNet在模型复杂性和细分性能之间提供了强大的平衡,有利于临床应用.
