在结肠镜成像中推进实时片检测:一个无的深度学习框架,具有自适应的多尺度感知
Wanyu Qiu1, Xiao Yang2, Zirui Liu2
1Hubei Key Laboratory of Digital Finance Innovation, Hubei Internet Finance Information Engineering Technology Research Center, School of Information Engineering, Hubei University of Economics, Wuhan 430205, China.
Sensors (Basel, Switzerland)
|December 31, 2025
概括
这项研究提出了一种先进的,无的深度学习模型,用于在结肠镜检查期间实时检测聚. 新方法显著提高了准确性和速度,有助于早期预防结直肠癌.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 在结肠镜检查中准确检测聚是预防早期结肠直肠癌 (CRC) 的关键.
- 现有的方法与多个尺度的多特征,低效的特征融合以及依赖复杂的,不那么可概括的先验作斗争.
研究的目的:
- 开发一种实时,准确和可通用的单阶段无探测器,用于结肠镜检测多重体.
- 克服提取多层次上下文线索和融合多层次特征的局限性.
主要方法:
- 引入了一个跨阶段金字塔聚合模块,用于高效的多层次上下文聚合.
- 开发了一个权重双向特征金字塔网络,用于强大的特征融合.
- 实现了一个无探测头,具有尺度不变距离,面积比 IoU 损失,用于直接点到边界回归.
主要成果:
- 实现了最先进的性能,98.8%的mAP@0.5和82.5%的mAP@0.5:0.95.
- 在GTX 1080-Ti GPU上以35.8 FPS进行实时检测.
- 在103,469张结肠镜镜像的大数据集上表现优于领先的CNN和Transformer模型.
结论:
- 拟议的无探测器为结肠镜检测多重体提供了卓越的准确性和效率.
- 在早期CRC查和预防中显示出临床应用的巨大潜力.
