SAM-Swin: SAM驱动的双旋转变压器,具有适应性损伤增强,用于喉喉瘤检测

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 喉癌 (LPC) 由于其高致死率而构成重大挑战.
• 双分支网络通过整合全球和本地特征来改善瘤检测.
• 目前的方法难以准确地定位病变,并且具有互补性.

研究的目的:

• 开发一个先进的模型来准确检测喉瘤.
• 为了增强病变细分和特征提取在头部和部癌症.
• 为了提高LPC的诊断准确性和患者的治疗结果.

主要方法:

• 提出了SAM-Swin,这是一个SAM2驱动的双旋转器,用于LPC检测.
• 引入了一个多尺度的损伤意识增强模块 (MS-LAEM),用于适应性特征学习.
• 实施了针对性监督的多层次类意识指导 (CAG) 损失.

主要成果:

• 与最先进的方法相比,SAM-Swin在三个LPC数据集上取得了更高的性能.
• 该模型展示了增强的损伤细分和特征表示能力.
• 在内部 (FAHSYSU) 和外部 (SAHSYSU,NHSMU) 数据集的验证证实了有效性.

结论:

• SAM-Swin在喉喉癌检测方面取得了重大进展.
• 拟议的模型提高了诊断准确性,并有可能提高患者的治疗结果.
• 开发的方法为头部和部瘤分析提供了一个强大的框架.