Forschungsartikel

HMP-MUNet: Ein hybrides Deep-Learning-Framework für die automatisierte Segmentierung von Hautläsionen in dermoskopischen Bildern

166 Ansichten

⸱

DOI:

10.3791/69449

⸱

17. März 2026

 ,  ,  , 
1College of Computer Science and Technology, Shenyang University of Chemical Technology, 2Quanzhou Vocational and Technical University, 3Information Department, Liaoning University

* These authors contributed equally

In diesem Artikel

Zusammenfassung

HMP-MUNet führt ein hybrides Deep-Learning-Framework für die automatisierte Hautläsionsegmentierung ein. Durch die Integration von State-Space-Modellen mit multiskaligen Aufmerksamkeitsmechanismen verbessert es die Segmentierungsgenauigkeit und optimiert die Recheneffizienz und bietet so eine robuste Lösung für die Diagnose von Hautkrebs in klinischen Einrichtungen.

Zusammenfassung

Computergestützte Diagnosesysteme für kutane Läsionen stehen vor erheblichen Herausforderungen, sowohl hohe diagnostische Genauigkeit als auch Recheneffizienz zu erreichen. Aktuelle Deep-Learning-Ansätze erfordern oft erhebliche Rechenressourcen, während sie Schwierigkeiten haben, die komplexen morphologischen Unterschiede zu erfassen, die Hautläsionen über verschiedene Skalen hinweg innewohnen. High-order Multi-scale Parallel Vision Mamba U-Net (HMP-MUNet), ein neuartiges Deep-Learning-Framework, das diese Einschränkungen durch ein innovatives architektonisches Design adressiert, das State-Space Models mit fortschrittlichen Multi-Scale-Verarbeitungsfähigkeiten kombiniert.

Der in dieser Studie beschriebene Ansatz integriert ein hybrides U-Net-Framework, das ein High-Order Vision State-Space-Modul für globale Kontextmodellierung, ein multiskaliges dilatated attention fusion network für hierarchische Merkmalsextraktion über mehrere rezeptive Felder hinweg und ein paralleles multi-tiefenflexibles Netzwerk für rechnergestützte Optimierung kombiniert. Diese Architektur verwendet einen modifizierten U-förmigen Encoder-Decoder mit größeren Kanaldimensionen und fortschrittlichen Aufmerksamkeitsmechanismen, um das Feature-Lernen zu verbessern.

Eine umfassende Auswertung von Benchmark-Datensätzen zeigt einen Würfelähnlichkeitskoeffizienten von 95,85 % auf PH2 und 90,44 % auf ISIC2018. Das Modell erreicht diese überlegene Genauigkeit mit nur 7,61 Millionen Parametern, was eine bemerkenswerte Reduzierung von 72,2 % im Vergleich zu bestehenden Vision-Mamba-Architekturen darstellt und dabei eine hohe Segmentierungsgenauigkeit beibehält. Das leichte Design zeigt Potenzial für den Einsatz in verschiedenen klinischen Einrichtungen und bildgebenden Modalitäten, vorbehaltlich der klinischen Validierung, von spezialisierten dermatologischen Zentren bis hin zu Primärversorgungseinrichtungen.

HMP-MUNet bietet eine automatisierte Lösung für Hautläsionssegmentierung, die die diagnostische Konsistenz verbessert und klinische Arbeitsabläufe unterstützt, mit Potenzial für weitere Validierung im klinischen Einsatz. Die Integration von High-Order-Modellierungsmöglichkeiten mit praktischen Einsatzüberlegungen bietet eine potenzielle Lösung zur Verbesserung der Hautkrebs-Screening-Protokolle und zur Erweiterung der Zugänglichkeit der Gesundheitsversorgung in computergestützten Diagnoseanwendungen.

Einleitung

Computergestützte Diagnosesysteme (CAD) zielen darauf ab, medizinische Bildgebungspraktiken in klinischen Fachrichtungen zu verbessern und so die Ansätze zur Krankheitserkennung, Diagnose und Behandlungsplanung zu verbessern1. In der Dermatologie hat sich die Integration von künstlicher Intelligenz (KI) und fortschrittlichen Bildgebungstechniken als entscheidendes Werkzeug zur Verbesserung der diagnostischen Genauigkeit und klinischen Ergebnisse etabliert, insbesondere bei der Früherkennung von Hautkrebs, das etwa 90 % aller Hautkrebserkrankungenausmacht. Die Entwicklung ausgefeilter algorithmischer Ansätze für die automatisierte Analyse von kutanen Läsionen trägt zum Fortschritt der Präzisionsmedizin bei und ermöglicht eine standardisierte, reproduzierbare diagnostische Unterstützung, die die klinische Entscheidungsfindung in verschiedenen Gesundheitseinrichtungen verbessert 3,4.

Die moderne dermatologische Bildgebung umfasst mehrere Verfahren, darunter Dermoskopie, digitale Fotografie, optische Kohärenztomographie und multispektrale Bildgebungssysteme5. Mediziner verwenden dermoskopische Bilder, um Hautkrebs manuell mit arbeitsintensiven und zeitaufwändigen Methoden zu diagnostizieren, die umfangreicheFachkenntnisse erfordern. Die Herausforderung, diagnostische Konsistenz über verschiedene klinische Umgebungen und Bildgebende Bedingungen hinweg aufrechtzuerhalten, hat die Entwicklung von CAD-Systemen vorangetrieben, die eine objektive, quantitative Analyse kutaner Läsionen ermöglichen. Die Segmentierung kutaner Läsionen aus dermoskopischen Bildern stellt einen grundlegenden Vorverarbeitungsschritt dar, der direkt die spätere Klassifikationsgenauigkeit und den klinischen Nutzenbeeinflusst 7. Im Allgemeinen umfasst die computergestützte Hautkrebsdiagnose fünf Schritte: Bildaufnahme, Vorverarbeitung, Segmentierung, Merkmalextraktion undKlassifikation 8. Eine präzise Randabgrenzung ist für eine genaue Läsionscharakterisierung unerlässlich und ermöglicht es Klinikern, morphologische Merkmale wie Asymmetrie, Grenzunregelmäßigkeit, Farbvariation und Durchmesser zu beurteilen – Schlüsselparameter in etablierten diagnostischen Kriterien9.

Das Aufkommen von State-Space Models (SSMs), insbesondere der Mamba-Architektur, bietet lineare Rechenkomplexität, verbessert die Recheneffizienz und erhält gleichzeitig überlegene Langstrecken-Abhängigkeitsmodellierungsfähigkeiten10. Jüngste Fortschritte bei der Hautläsion11, wie U-Net9, Att-UNet12, UTNetV213 und UNet++14 , haben deutliche Verbesserungen bei der Segmentierungsgenauigkeit gezeigt. Zum Beispiel erreicht U-Net einen Dice Similarity Coefficient (DSC) von 87,55 % im ISIC2018-Datensatz, während UNet++ 87,83 % erreicht und Att-UNet 87,91 %. Im PH2-Datensatz erreicht U-Net einen DSC von 90,6 %, während C2SDG15 und SCR-Net16jeweils 90,3 % bzw. 89,89 % erreichen. HMP-MUNet verbessert diese Modelle, indem es einen multiskaligen Aufmerksamkeitsmechanismus und parallele Verarbeitungsmöglichkeiten integriert, wodurch die Parameteranzahl um 72,2 % reduziert wird und eine überlegene Genauigkeit erreicht wird, mit einem DSC von 95,85 % im PH2-Datensatz und 90,44 % im ISIC2018-Datensatz. Angesichts der Bedeutung, visuelle Repräsentationsfähigkeiten mit dem Ressourcenverbrauch in Einklang zu bringen, ist die Erforschung generischer medizinischer Bildklassifikationsarchitekturen, die optimale Kompromisse erreichen, für die Entwicklung intelligenter klinischer Diagnosesysteme von Bedeutung17. Das strukturierte räumliche SSM-Framework verbessert traditionelle Mamba-Architekturen, indem es Zustandsübergangsmatrizen optimiert, die Recheneffizienz verbessert und den Speicheraufwand reduziert – Eigenschaften, die für den klinischen Einsatz in verschiedenen bildgebenden Modalitäten unerlässlich sind18.

Neuere Forschungen zeigen, dass Vision-Mamba-Architekturen, insbesondere solche, die High-order Vision Mamba-basiertes Switching Scheme (H-VSS) verwenden, eine überlegene Leistung mit deutlich reduzierten Parameterzahlen im Vergleich zu herkömmlichen Transformatoren erzielen, was sie besonders geeignet für klinische Workflow-Integrationmacht. Bestehende Vision Mamba-Implementierungen stehen jedoch vor Herausforderungen, darunter Speicherverbrauchsbeschränkungen und Skalierbarkeitsbeschränkungen unter klinischen Bereitstellungsbedingungen20. Aktuelle medizinische Bildsegmentierungsmethoden werden im Allgemeinen in CNNs und transformatorbasierte Modelle unterteilt, wobei traditionelle CNNs durch rezeptive Feldbeschränkungen eingeschränkt sind, was die Langstrecken-Abhängigkeitserfassung schwierigmacht. In der medizinischen Bildgebung erfordert die Unterscheidung kritischer Bereiche wie Läsionen von gesunder Haut eine hohe Präzision, was die Einführung fortschrittlicher technologischer Lösungen zur Bewältigung dieser Herausforderungen erforderlich macht22. Zeitgenössische Segmentierungsarchitekturen haben sich weiterentwickelt, um spezifische klinische Anforderungen zu adressieren, darunter Recheneffizienz für Echtzeitanwendungen, Genauigkeit für kritische diagnostische Aufgaben und Robustheit über verschiedene Bildgebungsprotokollehinweg 23. Fortschrittliche U-Net-Varianten, die Aufmerksamkeitsmechanismen, multiskalige Merkmalfusionsstrategien und transformatorbasierte Encoder integrieren, haben in komplexen medizinischen Bildgebungsszenarien eine überlegene Leistung gezeigt12,24. Diese architektonischen Innovationen verbessern klinische Anwendungen direkt, indem sie eine genaue Abgrenzung anatomischer Strukturen, die Identifikation pathologischer Regionen und die Extraktion quantitativer Biomarker ermöglichen – alles entscheidend für evidenzbasierte Medizin25,26. Integrationsherausforderungen, darunter die Schnittstellenkompatibilität mit bestehenden elektronischen Patientenakten (EMR), Speicherung und Abruf großer Bilder sowie Interoperabilität zwischen verschiedenen institutionellen Systemen, bleiben jedoch erhebliche Hindernisse für eine breite klinische Einführung27.

Dieses Papier stellt High-order Multi-scale Parallel Vision Mamba U-Net (HMP-MUNet) vor, ein neuartiges CAD-System, das speziell für die automatisierte Segmentierung kutaner Läsionen in der klinischen Praxis entwickelt wurde. Das Framework adressiert hier kritische Lücken in aktuellen medizinischen Bildsystemen, indem es innovative architektonische Komponenten integriert: das Multi-Scale Dilated Attention Fusion Network (MSDAFN) und das Parallel Multi-depth Flexible Network (PMFlex). Das MSDAFN setzt ausgefeilte Merkmalsextraktionsstrategien ein, die räumliche und Kanal-Aufmerksamkeitsmechanismen mit multiskaligen dilatierten Faltungen kombinieren, was eine verbesserte Detektion subtiler Läsionsmerkmale über verschiedene Skalen hinweg ermöglicht – entscheidend für eine genaue Diagnose verschiedener Läsionstypen, die in der klinischen Praxis auftreten28. Das PMFlex führt parallele Verarbeitungsfunktionen ein, die eine gleichzeitige Analyse mehrerer Eingabeströme ermöglichen, was die Recheneffizienz erheblich verbessert und gleichzeitig hochwertige Modellierungsmöglichkeiten beibehält, die für klinische Genauigkeit unerlässlich sind29. HMP-MUNet hat sich mit seinen innovativen Segmentierungstechniken und rechnergestützten Strategien zum Ziel gesetzt, die Grenzen der Hautkrebsdiagnose zu erweitern und eine Echtzeit- und genaue klinische Diagnosezu ermöglichen 30,31.

Die Hauptbeiträge dieser Forschung entsprechen den Kernzielen der Förderung von CAD in der medizinischen Bildgebung: verbesserte globale Kontextmodellierung durch MSDAFN zur Verbesserung der Merkmalsextraktion und Fusionseffizienz für eine genaue Lokalisierung der Läsion über verschiedene klinische Präsentationen; effiziente parallele Verarbeitung mittels PMFlex, die den Rechenaufwand reduziert und gleichzeitig klinische Genauigkeit aufrechterhält und den Einsatz in ressourcenbegrenzten klinischen Umgebungen erleichtert; Optimierung der klinischen Bereitstellung durch hardwarebewusstes Design, die eine effiziente Verarbeitung hochauflösender dermoskopischer Bilder ermöglicht, die Echtzeit-klinische Arbeitsabläufe unterstützen; Klinische Leistung durch umfassende Auswertung von Standarddatensätzen mit Leistungskennzahlen, die für die klinische Integration geeignet sind, demonstriert wird; und integrierte Diagnoselösungen, die Hochordnungsmodellierung, multiskalische Analyse und parallele Berechnung kombiniert und umfassende Lösungen für präzise dermatologische Diagnostik bietet. Diese Forschung bringt die computergestützte medizinische Bildgebung voran, indem sie innovative, klinisch anwendbare Lösungen bietet, die sowohl technologische als auch praktische Anforderungen für automatisierte kutane Läsionsanalysen in modernen Gesundheitseinrichtungen abdecken.

Das Framework ist darauf ausgelegt, hochauflösende dermoskopische Bilder zu verarbeiten, typischerweise mit Eingabeauflösungen von 256 × 256, was eine Balance zwischen Recheneffizienz und Bilddetails bietet. Allerdings können Variabilitäten in Geräten und Bildqualität, wie Unterschiede in Licht, Hautton und Haarvorkommen, die Segmentierungsleistung beeinflussen. Trotz dieser Herausforderungen ist das Systemdesign für Echtzeit-klinische Arbeitsabläufe optimiert und an verschiedene Bildgebungsgeräte anpassbar, was eine robuste Leistung in unterschiedlichen klinischen Umgebungen gewährleistet.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Diese Forschung wurde in Übereinstimmung mit institutionellen Richtlinien für computergestützte Forschung und Datenverarbeitung durchgeführt. An dieser Studie waren weder menschliche Probanden noch Wirbeltiere beteiligt.

Datensatzvorbereitung und -vorverarbeitung

Datensatzsammlung und -organisation

Dermoskopische Bilder wurden aus den Datensätzen PH2, ISIC2018 und ISIC2017 gesammelt, mit spezifischen Links in der Materialtabelle. Der PH2-Datensatz enthält 200 hochauflösende Bilder (1000 × 1000 Pixel), ISIC2018 2.594 Bilder mit entsprechenden Segmentierungsmasken und ISIC2017 2.150 Bilder mit Segmentierungsmasken. Die Daten wurden in Trainings-, Validierungs- und Testsets nach Standardprotokollen organisiert, um sicherzustellen, dass die Bilder in kompatiblen Formaten (z. B. .jpg, .png oder .tiff) sind und entsprechende Ground-Truth-Masken im Binärformat enthalten.

Die Daten wurden in Trainings-, Validierungs- und Testsets nach Standardprotokollen organisiert. Die Datensätze wurden wie folgt aufgeteilt: Für ISIC2018 wurden 1.815 Bilder für das Training, 259 für die Validierung und 520 für Tests bereitgestellt. Für ISIC2017 wurden 1.500 Bilder für das Training, 220 für die Validierung und 430 für Tests bereitgestellt. Für PH2 wurde der Datensatz in 160 Trainingsbilder, 10 Validierungsbilder und 30 Testbilder unterteilt. Eine konstante Bildauflösung von 256 × 256 Pixel wurde während der gesamten Vorverarbeitungspipeline aufrechterhalten.

Datenaugmentation und Normalisierung

Datenaugmentationstechniken wurden angewandt, um die Modellverallgemeinerung zu verbessern. Horizontales Flippen, vertikales Flippen und zufällige Rotation innerhalb eines ±15°-Bereichs wurden implementiert. Gamma-Korrektur und logarithmische Transformation wurden jeweils mit einer Wahrscheinlichkeit von 0,3 angewendet. Die Pixelwerte wurden mit ImageNet-Statistiken normalisiert (Mittelwert = [0,485, 0,456, 0,406], Standardabweichung = [0,229, 0,224, 0,225]).

Alle Eingabebilder auf 256 × 256 Pixel vergrößern: Um die Recheneffizienz zu gewährleisten, wurden alle Eingabebilder auf eine einheitliche Auflösung von 256 × 256 Pixel verkleinert. Während hochauflösende Bilder, wie die im Datensatz (1000 × 1000 Pixel), feinkörnige Details und Texturinformationen enthalten, die für die genaue Randabgrenzung der Läsion entscheidend sind, verbesserte eine Erhöhung der Auflösung die Leistung des Modells nicht signifikant. Daher wurde die Auflösung nicht erhöht, um ein Gleichgewicht zwischen Recheneffizienz und Modellgenauigkeit zu gewährleisten. Zukünftige Arbeiten könnten die Auswirkungen höherauflösender Eingaben weiter untersuchen, um festzustellen, ob die Vorteile der Segmentierungsgenauigkeit die gestiegenen Rechenkosten rechtfertigen. Bilder wurden bei Bedarf in das RGB-Format umgewandelt. Die vorverarbeiteten Daten wurden in strukturierten Verzeichnissen gespeichert, wobei die ursprünglichen Datensatzaufteilungen beibehalten wurden.

Implementierung der HMP-MUNet-Architektur

Netzwerkarchitektur-Design

HMP-MUNet wurde nach der hierarchischen U-förmigen Encoder-Decoder-Struktur konfiguriert, wie in Abbildung 1 gezeigt. Das Netzwerk wurde mit einer fortschreitenden Kanalerweiterung konfiguriert: 8→16→32→64→128→256 Kanäle über Encoder-Ebenen.

Eine bedeutende architektonische Änderung wurde vorgenommen, indem die Netzwerktiefe von vier hierarchischen auf zwei Ebenen reduziert wurde, was das Modell vereinfacht und die Recheneffizienz verbessert. Obwohl die Tiefe reduziert wurde, wurden die Kanalmaße auf jeder Ebene vergrößert, sodass das Netzwerk reichhaltigere und ausdrucksstärkere Merkmale einfangen konnte. Um das Feature Learning des Modells weiter zu verbessern, wurden Aufmerksamkeitsmechanismen eingeführt, um das Netzwerk auf die relevantesten Features über mehrere Skalen hinweg zu fokussieren. Diese Aufmerksamkeitsmechanismen kompensieren effektiv den potenziellen Verlust der hierarchischen Merkmalsabstraktion durch die flachere Architektur.

Der Encoder wurde mit dualen Conv2D-Operationen initialisiert, um die erste Merkmalsextraktion aus den Eingabetensoren X(C, H×W) durchzuführen. Die abwechselnde Konfiguration von drei spezialisierten Modulen wurde implementiert: High-order Vision Mamba-based Switching Scheme (H-VSS), Parallel Multi-depth Flexible Network (PMFlex) und Multi-Scale Dilated Attention Fusion Network (MSDAFN).

Das Modell verwendet ImageNet-Statistiken (Mittelwert und Standardabweichung) zur Normalisierung, wodurch die Notwendigkeit einer Neuberechnung für jeden Datensatz vermieden wird, wodurch die Recheneffizienz verbessert wird. Es gewährleistet Stabilität und Generalisierbarkeit und nutzt den umfangreichen Einsatz von ImageNet bei Computer-Vision-Aufgaben. Diese Wahl vereinfacht das Design, indem sie die Vorverarbeitungskomplexität reduziert und die Datensatzübertragbarkeit verbessert, sodass das Modell effektiv auf verschiedene Hautläsionsbilder verallgemeinern kann.

Implementierung eines High-Order Vision Mamba-basierten Schaltschemas (H-VSS)                

Das H-VSS-Modul wurde gemäß der Architektur in Abbildung 2 implementiert. Schichtnormalisierung (LN) und Hardswish-Aktivierung (HS) wurden mit Restverbindungen gemäß Gleichung (1) konfiguriert:

figure-protocol-1

Die Local Spatial Descriptor (LSD)-Komponente wurde implementiert, um die räumliche Kohärenz aufrechtzuerhalten. Das Spatial Selective 2D Scanning (SS2D)-Modul wurde mit multidirektionalen Scanmustern gemäß Gleichung (2) konfiguriert:

figure-protocol-2

Die Multi-Layer Perceptron (MLP)-Verarbeitung wurde mit Restverbindungen wie in Gleichung (3) angegeben hinzugefügt:

figure-protocol-3

Der High-order 2D Selective Scanning (H-SS2D)-Mechanismus projiziert Eingabemerkmale in den 2C-dimensionalen Raum für eine verbesserte kontextuelle Modellierung.

Parallele Multi-Depth Flexible Network (PMFlex)-Implementierung

Das PMFlex-Modul wurde gemäß den Spezifikationen in Abbildung 3 konfiguriert. Die Layer-Normalisierung wurde auf die Eingabemerkmale X(C, H×W angewendet und anschließend entlang der Kanaldimension in vier Segmente nach Gleichung (4) aufgeteilt:

figure-protocol-4

Jede segmentierte Funktion Y_i wurde über gemeinsame Visual Mamba (VMamba)-Module verarbeitet. Verarbeitete Ausgaben wurden verkettet, und die Verfeinerung erfolgte durch Schichtnormalisierung und Projektion, wie in Gleichung (5) beschrieben:

figure-protocol-5

Multi-Scale Dilated Attention Fusion Network (MSDAFN) Implementierung

Das MSDAFN-Modul wurde gemäß der Figur-4-Architektur implementiert. Parallele Faltungsoperationen wurden mit Dilatationsraten von 6, 12 und 18 für die multiskalige Merkmalsextraktion gemäß Gleichung (6) konfiguriert:

figure-protocol-6

Mehrskalige Funktionen wurden durch Kanalverkettung integriert, wie in Gleichung (7) festgelegt:

figure-protocol-7

Für die Rekalibrierung der Funktionen wurden Dual-Attention-Mechanismen implementiert. Die Kanal-Aufmerksamkeitsgewichte wurden mittels globaler Durchschnittspooling berechnet, folgend Gleichung (8):

figure-protocol-8

Die Kanal-Aufmerksamkeitsgewichtung wurde wie in Gleichung (9) beschrieben angewendet:

figure-protocol-9

Die räumliche Aufmerksamkeit wurde durch Faltungsoperationen gemäß Gleichung (10) konfiguriert:

figure-protocol-10

Kanal- und räumliche Aufmerksamkeit wurden wie in Gleichung (11) festgelegt kombiniert:

figure-protocol-11

Trainingskonfiguration und Optimierung

Umgebungsaufbau

Die experimentelle Umgebung wurde auf einem Ubuntu 20.04-System mit einer GPU (32 GB VRAM) konfiguriert. Python 3.8, das Deep-Learning-Framework (RRID: SCR_018536) und CUDA 11.8 wurden installiert. Die Eingabebildgröße wurde für die kutanen Läsionen auf 256 × 256 Pixel gesetzt.

Verlustfunktion und Optimiererkonfiguration

Die BceDice-Verlustfunktion wurde zur Trainingsoptimierung implementiert. Der AdamW-Optimierer war mit einer anfänglichen Lernrate von 0,001, einer Batchgröße von 8 und 250 Trainingsepochen konfiguriert. Zur Regularisierung wurde eine Gewichtsabnahme von 1 × 10⁻5 angewendet.

Für die Basiskonfiguration bezieht sich diese Studie auf die Arbeit von Liu et al. (2024) am Vmamba-Modell, das als Modell des visuellen Zustandsraums für die medizinische Bildklassifikationsaufgabe11 verwendet wurde. Die genauen Konfigurationen und Skripte, die zur Implementierung von Vmamba verwendet werden, basieren auf ihren veröffentlichten Arbeiten und wurden für diese Studie angepasst, mit spezifischen Anpassungen, um besser zum medizinischen Bildgebungsdatensatz zu passen.

Die Lernratenplanung wurde mittels Kosinus-Annealing mit warmen Neustarts eingerichtet. Konfigurieren Sie T_0 = 10 Epochen für die anfängliche Neustartphase, T_mult = 2 für die Periodenmultiplikation und η_min = 1 × 10⁻6 für die minimale Lernrate.

Hyperparameter-Optimierung

Um Reproduzierbarkeit und Konsistenz sicherzustellen, wurden alle Experimente mit einem festen zufälligen Seed von 42 durchgeführt. Die systematische Hyperparameter-Optimierung wurde durchgeführt, wobei sich die Batchgröße, die Lernrate und die Drop-Path-Rate konzentrierten. Chargengrößen von 4, 8, 16 und 32 wurden bewertet. Die Lernraten von 0,0005, 0,001, 0,0015 und 0,002 wurden getestet. Die Validierungsleistung wurde mit dem Dice Similarity Coefficient (DSC) als primärer Kennzahl überwacht. Batch-Größen größer als 8 können zu einem Speicherüberlauf bei GPUs mit weniger als 32 GB VRAM führen.

Modellbewertung und Leistungsbewertung

Konfiguration von Evaluationsmetriken

Umfassende Bewertungsmetriken, darunter Mean Intersection over Union (mIoU), Dice Similarity Coefficient (DSC), Sensitivity (Sen), Specificity (Spe) und Accuracy (Acc), wurden implementiert. Die Metriken wurden nach folgenden Formulierungen berechnet:

Der mittlere Durchschnitt über Union (mIoU) quantifiziert Überlappungen zwischen vorhergesagter und Bodenwahrheitssegmentierung:

figure-protocol-12

Der Würfelähnlichkeitskoeffizient (DSC) misst die Segmentierungskonsistenz. Die Werte reichen von 0 bis 1, wobei höhere Werte auf eine bessere Leistung hinweisen:

figure-protocol-13

Sensitivität (Sen) misst die Fähigkeit des Modells, positive Proben zu erkennen:

figure-protocol-14

S-Spezialität(Spe) bewertet die korrekte Erkennung negativer Stichproben:

figure-protocol-15

Genauigkeit (Acc) misst die allgemeine Vorhersagekorrektheit:

figure-protocol-16

Parameter (M) spiegeln die Modellkomplexität wider und messen die insgesamt trainierbaren Parameter:

figure-protocol-17

wobei Pi die Anzahl der Parameter in der i-ten Schicht ist und N die Gesamtzahl der Schichten. Kleinere Parameterzahlen deuten auf leichtere Modelle hin, die für den klinischen Einsatz geeignet sind.

Ablationsstudienprotokoll

Umfassende Ablationsstudien wurden durchgeführt, um architektonische Komponentenbeiträge nach dem experimentellen Design in Tabelle 1 zu validieren. Es wurden vier architektonische Varianten ausgewertet: H-MUNet (Baseline ohne MSDAFN und PMFlex), HP-MUNet (ohne MSDAFN), HM-MUNet (ohne PMFlex) und HMP-MUNet (vollständiges Modell).

Identische Trainingsparameter wurden über alle Varianten hinweg konfiguriert: Lernrate 0,001, Batchgröße 8, 250 Epochen. Die Trainingskonvergenz wurde überwacht und Leistungsverbesserungen für jede Komponentenerweiterung validiert.

Berechnung der Effizienzanalyse

Die Metriken der Recheneffizienz, einschließlich Parameteranzahl, FLOPs und Inferenzzeit über verschiedene Architekturen hinweg, wurden gemessen. Die Bewertung der Inferenzzeit des Modells auf einer standardmäßigen klinischen GPU zeigt, dass es zwar auf Hochleistungs-GPUs am besten abschneidet, das Modell aber auf gängiger Hardware etwa 70 % langsamer ist. Dennoch ist es weiterhin in der Lage, effiziente Inferenzgeschwindigkeiten zu erreichen, was es für den praktischen klinischen Einsatz geeignet macht. Überwachen Sie die GPU-Speichernutzung während des Trainings, um die Systemstabilität sicherzustellen. Empfohlener Mindestspeicher von 16 GB GPU für Batch-Größe 8.

Validierung und Analyse

Leistungsbenchmarking

Die Leistung von HMP-MUNet wurde mit modernen Methoden auf beiden Datensätzen verglichen. Alle verglichen Modelle wurden unter denselben Datenaufteilen, Vorverarbeitung, Datenerweiterung und Trainingsprotokollen implementiert und trainiert, um sicherzustellen, dass Leistungsunterschiede ausschließlich auf architektonische Unterschiede zurückzuführen sind. Die quantitativen Ergebnisse, darunter DSC-Verbesserungen von 2,89 % bzw. 5,25 % bei den ISIC2018- und PH2-Datensätzen, wurden dokumentiert. Die Studie bestätigte, dass die Parameteranzahl im Vergleich zum U-Net-Ausgangspunkt um das 4,55-fache reduziert ist.

Statistische Analyse

Die statistische Signifikanzprüfung wurde mit gepaarten t-Tests für Leistungsvergleiche durchgeführt. Für die gemeldeten Metriken wurden Konfidenzintervalle berechnet. Die Reproduzierbarkeit wurde durch mehrere Trainingsläufe mit verschiedenen zufälligen Samen sichergestellt.

Die optimalen Hyperparameter-Konfigurationen wurden als Batch-Größe 8 und Lernrate 0,001 aufgezeichnet, wobei im PH2-Datensatz ein Spitzen-DSC von 0,9585 und im ISIC2018-Datensatz 0,9044 erreicht wurde, wie in den experimentellen Ergebnissen dokumentiert. Ausreichende Validierungsdaten wurden sichergestellt, um Überanpassungen zu verhindern. Die Validierungsverlustkurven wurden überwacht, um die Kriterien für frühzeitige Stopps anzuwenden.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

HMP-MUNet-Architekturdesign für medizinische Bildsegmentierung

Die vorgeschlagene HMP-MUNet-Architektur zeigte außergewöhnliche Leistung bei automatisierten Segmentierungen der Hautläsionen. Abbildung 1 zeigt die vollständige Netzwerkarchitektur und zeigt die hierarchische U-förmige Encoder-Decoder-Struktur mit fortschreitender Kanalerweiterung von 8 auf 256 Kanäle. Die Integration von drei spezialisierten Modulen...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Diese Studie präsentiert HMP-MUNet (High-order Multi-scale Parallel Vision Mamba U-Net), ein neuartiges Deep-Learning-Framework, das grundlegende Herausforderungen der computergestützten Diagnose (CAD) für die Segmentierung kutaner Läsionen durch innovative Integration von State-Space Models (SSMs) mit fortschrittlichen architektonischen Komponenten1 adressiert. Der hier beschriebene Ansatz zeigt, dass die Kombination hochrangiger Merkmals-Interaktionsmechanismen ...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren erklären, dass sie keine Interessenkonflikte im Zusammenhang mit dieser Forschung haben. Es bestehen keine finanziellen Beziehungen zwischen den Autoren und kommerziellen Akteuren, die das in diesem Manuskript dargestellte Werk unangemessen beeinflussen könnten. Diese Forschung wurde unabhängig durchgeführt, und die Ergebnisse und Schlussfolgerungen sind ausschließlich die der Autoren. Der Text dieses Manuskripts wurde mit Hilfe von ChatGPT überarbeitet und verfeinert, da Englisch nicht die Muttersprache der Autoren ist. Die Autoren bestätigen, dass die Nutzung der KI-Unterstützung auf Sprachbearbeitung beschränkt war und keine Inhaltserstellung oder -analyse beinhaltete, die die wissenschaftliche Integrität der Arbeit beeinträchtigen würde.

Danksagungen

Die Autoren danken dankbar für die finanzielle Unterstützung des Wissenschaftlichen Forschungsprojekts des Bildungsministeriums der Liaoning Provinz im Rahmen des Zuschusses LJ212510149013 und des allgemeinen Programms der National Natural Science Foundation der Provinz Liaoning 2024-MSLH-377, die diese Forschung ermöglichte. Wir danken den Forschungsteilnehmern und Institutionen, die zu den öffentlich verfügbaren Datensätzen beigetragen haben, die in dieser Studie verwendet wurden und eine umfassende Validierung unserer vorgeschlagenen Methodik ermöglichten.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
CUDA 11.8NVIDIA Corporation, Santa Clara, CA, USASoftware
GPU (32 GB VRAM)NVIDIABetriebssystem
ISIC2017 DatensatzISIC-Herausforderunghttps://challenge.isic-archive.com/dataDatensätze
ISIC2018 DatensatzISIC-Herausforderunghttps://challenge.isic-archive.com/dataDatensätze
NVIDIA V100 GPUNVIDIA Corporation, Santa Clara, CA, USAHardware
PH2-DatensatzUniversidade Do Portohttps://www.fc.up.pt/addi/ph2Datensätze
Python 3.8PythonRRID:SCR_018536Software
PyTorch 1.13.0PyTorchRRID:SCR_018536Software
Ubuntu 20.04KanonischHardware

Referenzen

  1. Maurya, S., et al. A review on recent developments in cancer detection using machine learning and deep learning models. Biomed Signal Process Control. 80 (2), 104398(2023).
  2. Siegel, R. L., Miller, K. D., Wagle, N. S., Jemal, A. Cancer statistics, 2023. CA Cancer J Clin. 73 (1), 17-48 (2023).
  3. Esteva, A., et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 542 (7639), 115-118 (2017).
  4. Haenssle, H. A., et al. against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Ann Oncol. 29 (8), 1836-1842 (2018).
  5. Argenziano, G., et al. Dermoscopy of pigmented skin lesions: results of a consensus meeting via the Internet. J Am Acad Dermatol. 48 (5), 679-693 (2003).
  6. Naeem, A., et al. SNC_Net: skin cancer detection by integrating handcrafted and deep learning-based features using dermoscopy images. Mathematics. 12 (7), 1030(2024).
  7. Celebi, M. E., et al. A state-of-the-art survey on lesion border detection in dermoscopy images. Dermoscopy Image Anal. 10, 97-129 (2015).
  8. Nachbar, F., et al. The ABCD rule of dermatoscopy: high prospective value in the diagnosis of doubtful melanocytic skin lesions. J Am Acad Dermatol. 30 (4), 551-559 (1994).
  9. Ronneberger, O., Fischer, P., Brox, T. U-net: convolutional networks for biomedical image segmentation. Med Image Comput Comput Assist Interv. 9351, 234-241 (2015).
  10. Gu, A., Dao, T. Mamba:linear-time sequence modeling with selective state spaces. arXiv. , (2023).
  11. Liu, Y., et al. Vmamba: visual state space model. Adv Neural Inf Process Syst. 37, 103031-103063 (2024).
  12. Zhang, J., Zhu, H., Wang, P., Ling, X. ATT squeeze U-net: a lightweight network for forest fire detection and recognition. IEEE Access. 9, 10858-10870 (2021).
  13. U-net v2: rethinking the skip connections of U-net for medical image segmentation. Peng, Y., Chen, D. Z., Sonka, M. 2025 IEEE 22nd International Symposium on Biomedical Imaging (ISBI), Houston, TX, USA, , (2025).
  14. Zhou, Z., et al. UNet++: a nested U-net architecture for medical image segmentation. Deep Learn Med Image Anal Multimodal Learn Clin Decis Support (2018). 11045, 3-11 (2018).
  15. Hu, S., Liao, Z., Xia, Y. Devil is in channels: contrastive single domain generalization for medical image segmentation. Medical Image Computing and Computer Assisted Intervention – MICCAI 2023. , Springer. Cham. (2023).
  16. Xu, W., Wang, Z. SCRNet:spatial-channel regulation network for medical ultrasound image segmentation. arXiv. arXiv. , (2025).
  17. Yue, Y., Li, Z. MedMamba: vision mamba for medical image classification. arXiv. , (2024).
  18. Efficiently modeling long sequences with structured state spaces. Gu, A., Goel, K., Ré, C. Proc Int Conf Mach Learn, 162, 8098-8109 (2022).
  19. Wu, R., Liu, Y., Liang, P., Chang, Q. UltraLight VM-UNet: parallel vision mamba significantly reduces parameters for skin lesion segmentation. arXiv. , (2024).
  20. Wu, R., Liu, Y., Liang, P., Chang, Q. H-vmunet:high-order vision mamba unet for medical image segmentation. Neurocomput. 624, 129447(2025).
  21. Fully convolutional networks for semantic segmentation. Long, J., Shelhamer, E., Darrell, T. 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Boston, MA, USA, , (2015).
  22. Chen, J., et al. TransUNet: transformers make strong encoders for medical image segmentation. arXiv. , (2021).
  23. Cao, H., et al. Swin-unet:unet-like pure transformer for medical image segmentation. Lect Notes Comput Sci. 13803, 205-218 (2023).
  24. Ibtehaz, N., Rahman, M. S. MultiResUNet: rethinking the U-net architecture for multimodal biomedical image segmentation. Neural Netw. 121, 74-87 (2020).
  25. Aruk, I., Pacal, I., Toprak, A. N. A novel hybrid ConvNeXt-based approach for enhanced skin lesion classification. Expert Syst Appl. 283, 127721(2025).
  26. Pacal, I., et al. A novel CNN-ViT-based deep learning model for early skin cancer diagnosis. Biomed Signal Process Control. 104, 107627(2025).
  27. Zhang, D. Y., et al. Implementation of digital pathology and artificial intelligence in routine pathology practice. Lab Invest. 104 (9), 102111(2024).
  28. Malunet: a multi-attention and lightweight unet for skin lesion segmentation. Ruan, J., Xiang, S., Xie, M., Liu, T., Fu, Y. 2022 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), Las Vegas, NV, USA, , (2022).
  29. Wu, R., et al. Mhorunet:high-order spatial interaction unet for skin lesion segmentation. Biomed Signal Process Control. 88, 105517(2024).
  30. Pacal, I., Attallah, O. Hybrid deep learning model for automated colorectal cancer detection using local and global feature extraction. Knowl Based Syst. 319, 113625(2025).
  31. Pacal, I., Attallah, O. InceptionNeXt-transformer: a novel multi-scale deep feature learning architecture for multimodal breast cancer diagnosis. Biomed Signal Process Control. 110, 108116(2025).
  32. Vaswani, A., et al. Attention is all you need. Adv Neural Inf Process Syst. 30, 5998-6008 (2017).
  33. Phillips, M., et al. Assessment of accuracy of an artificial intelligence algorithm to detect melanoma in images of skin lesions. JAMA Netw Open. 2 (10), e1913436(2019).
  34. Wang, S., et al. Linformer:self-attention with linear complexity. arXiv. , (2020).
  35. A simple framework for contrastive learning of visual representations. Chen, T., et al. Proceedings of the 37th International Conference on Machine Learning, 119, Vienna, Austria. 1597-1607 (2020).
  36. Huang, S. C., et al. Fusion of medical imaging and electronic health records using deep learning: a systematic review and implementation guidelines. NPJ Digit Med. 3, 136(2020).
  37. Litjens, G., et al. A survey on deep learning in medical image analysis. Med Image Anal. 42, 60-88 (2017).
  38. Campanella, G., et al. Clinical-grade computational pathology using weakly supervised deep learning on whole slide images. Nat Med. 25 (8), 1301-1309 (2019).
  39. Gulshan, V., et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA. 316 (22), 2402-2410 (2016).
  40. McKinney, S. M., et al. International evaluation of an AI system for breast cancer screening. Nat. 577 (7788), 89-94 (2020).
  41. Krizhevsky, A., Sutskever, I., Hinton, G. E. ImageNet classification with deep convolutional neural networks. Commun ACM. 60 (6), 84-90 (2017).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

U Net ArchitekturZustandsraummodelleMultiskalenverarbeitungAttention Mechanismencomputergest tzte DiagnoseMerkmalsextraktionVision Mamba

Verwandte Artikel