PRISM:以往规范化的代自蒸,为多体细分提供动力
Tugberk Erol1, Tuba Caglikantar2, Duygu Sarikaya3
1Graduate School of Natural and Applied Sciences Gazi University Ankara Turkey.
Healthcare technology letters
|December 18, 2025
概括
PRISM是一种用于结肠多片细分的新方法,可以在没有额外的计算成本的情况下增强深度学习模型. 这项技术提高了使用医学成像检测结直肠癌的诊断准确度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 结肠直肠癌是一个重大的健康问题,早期发现对有效治疗至关重要.
- 在医学图像中精确细分结肠多,对于早期诊断至关重要.
- 目前用于聚细分的深度学习方法需要大量的数据和计算资源,这限制了它们的临床适用性.
研究的目的:
- 引入PRISM,一种基于动量的新型自蒸方法,用于增强结肠多片细分.
- 在不增加推理成本的情况下提高细分性能.
- 开发一种可通用的解决方案,用于在不同的临床环境中对多片进行细分.
主要方法:
- PRISM采用基于势头的自蒸方法.
- 使用指数移动平均值 (EMA) 在训练期间在模型重量上创建了一个暂时光滑的教师模型.
- 基于EMA的教师提供稳定,适应性的监督信号,与学生模型共同发展.
主要成果:
- 在来自五个医疗中心的结肠镜数据集上,PRISM 获得了 0.81 的 Dice 评分和 0.75 的 IoU.
- 该方法与基线和传统自蒸技术相比,表现优越.
- 在独立数据集上的验证证实了PRISM的概括能力.
结论:
- PRISM 提供了一个计算效率高和可通用的解决方案,用于结肠多片细分.
- 基于EMA的教师模型有效地提高了细分精度.
- 这种方法有望改善结直肠癌的早期检测和治疗.
