Articolo di ricerca

HMP-MUNet: Un framework ibrido di deep learning per la segmentazione automatizzata delle lesioni cutanee nelle immagini dermoscopiche

166 visualizzazioni

⸱

DOI:

10.3791/69449

⸱

17 marzo 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 questo articolo

Sommario

HMP-MUNet introduce un framework ibrido di deep learning per la segmentazione automatizzata delle lesioni cutanee. Integrando i Modelli di Spazio di Stato con meccanismi di attenzione multiscala, migliora la precisione della segmentazione ottimizzando l'efficienza computazionale, offrendo una soluzione robusta per la diagnosi del tumore della pelle in contesti clinici.

Abstract

I sistemi di diagnosi assistita da computer per le lesioni cutanee affrontano sfide significative nel raggiungere sia un'elevata accuratezza diagnostica sia un'efficienza computazionale. Gli approcci attuali di deep learning spesso richiedono risorse computazionali sostanziali, lottando per catturare le complesse variazioni morfologiche insite nelle lesioni cutanee su diverse scale. High-order Multi-scale Parallel Vision Mamba U-Net (HMP-MUNet), un innovativo framework di deep learning che affronta queste limitazioni attraverso un design architettonico innovativo che combina modelli di spazio-stato con avanzate capacità di elaborazione multiscala.

L'approccio descritto in questo studio integra un framework ibrido U-Net che combina un modulo di spazio di stati a visione ad alto ordine per la modellazione del contesto globale, una rete di fusione dell'attenzione dilatata su scala più per l'estrazione gerarchica di caratteristiche su più campi recettivi, e una rete flessibile parallela a più profondità per l'ottimizzazione computazionale. Questa architettura utilizza un codificatore-decodificatore a forma di U modificato con dimensioni di canale aumentate e meccanismi di attenzione avanzati per migliorare l'apprendimento delle caratteristiche.

Una valutazione completa sui dataset benchmark mostra un coefficiente di somiglianza di Dice del 95,85% su PH2 e del 90,44% su ISIC2018. Il modello raggiunge questa superiore precisione utilizzando solo 7,61 milioni di parametri, che rappresentano una notevole riduzione del 72,2% rispetto alle architetture Vision Mamba esistenti, mantenendo al contempo un'elevata accuratezza di segmentazione. Il design leggero mostra potenziale per l'impiego in vari contesti clinici e modalità di imaging, in attesa di validazione clinica, dai centri dermatologici specializzati alle strutture di cure primarie.

HMP-MUNet offre una soluzione automatizzata per la segmentazione delle lesioni cutanee che migliora la coerenza diagnostica e supporta i flussi di lavoro clinici, con potenziale per ulteriori validazioni nell'uso clinico. L'integrazione delle capacità di modellazione ad alto livello con considerazioni pratiche di implementazione offre una soluzione potenziale per migliorare i protocolli di screening del cancro della pelle e ampliare l'accessibilità sanitaria nelle applicazioni di diagnosi assistita da computer.

Introduzione

I sistemi di diagnosi assistita da computer (CAD) mirano a migliorare le pratiche di imaging medico in tutte le specialità cliniche, migliorando la rilevazione, la diagnosi e gli approcci di pianificazione del trattamento1. In dermatologia, l'integrazione dell'intelligenza artificiale (IA) e delle tecniche avanzate di imaging è emersa come uno strumento fondamentale per migliorare l'accuratezza diagnostica e i risultati clinici, in particolare nella diagnosi precoce del cancro della pelle, che rappresenta circa il 90% di tutte le neoplacitàcutanee 2. Lo sviluppo di approcci algoritmici sofisticati per l'analisi automatizzata delle lesioni cutanee contribuisce all'avanzamento della medicina di precisione, consentendo un supporto diagnostico standardizzato e riproducibile che migliora le decisioni cliniche in diversi contestisanitari 3,4.

L'imaging dermatologico moderno comprende molteplici modalità, tra cui dermoscopia, fotografia digitale, tomografia a coerenza ottica e sistemi di imagingmultispettrale 5. I professionisti medici utilizzano immagini dermoscopiche per diagnosticare manualmente il tumore della pelle attraverso metodi laboriosi e lunghi che richiedono notevoleesperienza 6. La sfida di mantenere la coerenza diagnostica tra diversi contesti clinici e condizioni di imaging ha guidato lo sviluppo di sistemi CAD che forniscono analisi oggettiva e quantitativa delle lesioni cutanee. La segmentazione delle lesioni cutanee dalle immagini dermoscopiche costituisce un passaggio fondamentale di pre-elaborazione che influisce direttamente sulla successiva accuratezza della classificazione e sull'utilitàclinica 7. Generalmente, la diagnosi assistita da computer del cancro della pelle prevede cinque fasi: acquisizione dell'immagine, pre-elaborazione, segmentazione, estrazione delle caratteristiche eclassificazione 8. Una delineazione precisa dei confini è essenziale per una caratterizzazione accurata delle lesioni, permettendo ai clinici di valutare caratteristiche morfologiche come asimmetria, irregolarità dei bordi, variazioni di colore e diametro—parametri chiave nei criteri diagnostici9 stabiliti.

L'emergere dei Modelli Spazio-Stato (SSM), in particolare l'architettura Mamba, offre complessità computazionale lineare, migliorando l'efficienza computazionale mantenendo al contempo superiori capacità di modellazione delle dipendenze a lungoraggio 10. I recenti progressi nella segmentazione delle lesionicutanee 11, come U-Net9, Att-UNet12, UTNetV213 e UNet++14 , hanno dimostrato notevoli miglioramenti nella precisione della segmentazione. Ad esempio, U-Net raggiunge un Coefficiente di Similarità dei Dadi (DSC) dell'87,55% sul dataset ISIC2018, mentre UNet++ raggiunge l'87,83% e Att-UNet l'87,91%. Nel dataset PH2, U-Net raggiunge un DSC del 90,6%, mentre C2SDG15 eSCR-Net 16raggiungono rispettivamente il 90,3% e l'89,89%. HMP-MUNet migliora questi modelli integrando un meccanismo di attenzione multi-scala e capacità di elaborazione parallela, riducendo il conteggio dei parametri del 72,2% e ottenendo una precisione superiore con un DSC del 95,85% sul dataset PH2 e del 90,44% sul dataset ISIC2018. Data l'importanza di bilanciare le capacità di apprendimento della rappresentazione visiva con il consumo di risorse di calcolo, esplorare architetture generiche di classificazione delle immagini mediche che ottengono compromessi ottimali è significativo per lo sviluppo di sistemi di diagnosi clinicaintelligente 17. Il framework strutturato di SSM spaziale migliora le architetture tradizionali Mamba ottimizzando le matrici di transizione di stato, migliorando l'efficienza computazionale e riducendo il sovraccarico di memoria—caratteristiche essenziali per l'implementazione clinica in diverse modalitàdi imaging 18.

Ricerche recenti dimostrano che le architetture Vision Mamba, in particolare quelle che utilizzano lo schema di commutazione basato su Vision Mamba di alto ordine (H-VSS), raggiungono prestazioni superiori con un numero di parametri significativamente ridotto rispetto ai trasformatori convenzionali, rendendole particolarmente adatte all'integrazione del flusso di lavoroclinico 19. Tuttavia, le implementazioni esistenti di Vision Mamba affrontano sfide, tra cui limitazioni al consumo di memoria e vincoli di scalabilità nelle condizioni di implementazioneclinica 20. I metodi attuali di segmentazione delle immagini mediche sono generalmente suddivisi in CNN e modelli basati su trasformatori, dove le CNN tradizionali sono limitate dai vincoli del campo ricettivo, rendendo la cattura delle dipendenze a lungo raggio difficile21. Nell'imaging medico, distinguere regioni critiche come le lesioni dalla pelle sana richiede alta precisione, il che richiede l'adozione di soluzioni tecnologiche avanzate per affrontare questesfide. Le architetture di segmentazione contemporanee si sono evolute per rispondere a requisiti clinici specifici, inclusa efficienza computazionale per applicazioni in tempo reale, accuratezza per compiti diagnostici critici e robustezza attraverso diversi protocolli di imaging23. Varianti avanzate di U-Net che incorporano meccanismi di attenzione, strategie di fusione delle caratteristiche su scala multipla e encoder basati su trasformatori hanno dimostrato prestazioni superiori in scenari di imaging medico complessi12,24. Queste innovazioni architettoniche migliorano direttamente le applicazioni cliniche consentendo una delineazione accurata delle strutture anatomiche, l'identificazione delle regioni patologiche e l'estrazione di biomarcatori quantitativi, tutti elementi cruciali per la medicina basatasull'evidenza 25,26. Tuttavia, le sfide di integrazione, tra cui la compatibilità delle interfacce con le cartelle cliniche elettroniche (EMR) esistenti, l'archiviazione e il recupero di immagini di grandi dimensioni e l'interoperabilità tra diversi sistemi istituzionali, rimangono ostacoli significativi per una diffusa adozioneclinica 27.

Questo articolo introduce High-order Multi-scale Parallel Vision Mamba U-Net (HMP-MUNet), un innovativo sistema CAD progettato specificamente per la segmentazione automatica delle lesioni cutanee nella pratica clinica. Il quadro qui affronta lacune critiche nei sistemi di imaging medico attuali incorporando componenti architetturali innovativi: la Multi-Scale Dilated Attention Fusion Network (MSDAFN) e la Parallel Multi-depth Flexible Network (PMFlex). Il MSDAFN implementa strategie sofisticate di estrazione delle caratteristiche che combinano meccanismi di attenzione spaziale e canale con convoluzioni dilatate su più scala, consentendo una migliore rilevazione di sottili caratteristiche della lesione su diverse scale—cruciale per una diagnosi accurata dei vari tipi di lesioni incontrati nella praticaclinica 28. Il PMFlex introduce capacità di elaborazione parallela che consentono l'analisi simultanea di più flussi di input, migliorando significativamente l'efficienza computazionale mantenendo al contempo capacità di modellazione ad alto ordine essenziali per un'accuratezza di livelloclinico 29. HMP-MUNet, attraverso le sue innovative tecniche di segmentazione e strategie computazionali, mira a spingere i confini della diagnosi del tumore della pelle, consentendo una diagnosi clinica accurata e intempo reale 30,31.

I principali contributi di questa ricerca sono in linea con gli obiettivi fondamentali di avanzare la CAD nell'imaging medico: modellizzazione globale del contesto migliorata tramite MSDAFN, miglioramento dell'estrazione delle caratteristiche e dell'efficienza della fusione per una localizzazione accurata delle lesioni tra diverse presentazioni cliniche; elaborazione parallela efficiente tramite PMFlex riducendo il sovraccarico computazionale mantenendo al contempo l'accuratezza di livello clinico, facilitando il dispiegamento in ambienti clinici con risorse limitate; ottimizzazione del deployment clinico tramite progettazione hardware-aware che consente un'elaborazione efficiente di immagini dermoscopiche ad alta risoluzione supportando flussi di lavoro clinici in tempo reale; Performance clinica dimostrata attraverso una valutazione completa su dataset standard con metriche di performance adatte all'integrazione clinica; e una soluzione diagnostica integrata che combina modellazione ad alto ordine, analisi multiscala e calcolo parallelo, fornendo soluzioni complete per una diagnosi dermatologica di precisione. Questa ricerca promuove l'imaging medico computerizzato fornendo soluzioni innovative e clinicamente applicabili, che rispondono sia ai requisiti tecnologici che pratici per l'analisi automatizzata delle lesioni cutanee in contesti sanitari contemporanei.

Il framework è progettato per gestire immagini dermoscopiche ad alta risoluzione, tipicamente con risoluzioni di input di 256 × 256, offrendo un equilibrio tra efficienza computazionale e dettaglio delle immagini. Tuttavia, la variabilità delle apparecchiature e della qualità dell'immagine, come differenze di illuminazione, tono della pelle e presenza di capelli, può influire sulle prestazioni di segmentazione. Nonostante queste sfide, il design del sistema è ottimizzato per flussi di lavoro clinici in tempo reale ed è adattabile a diversi dispositivi di imaging, garantendo prestazioni robuste in diversi ambienti clinici.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Questa ricerca è stata condotta in conformità con le linee guida istituzionali per la ricerca computazionale e l'elaborazione dei dati. Non sono stati coinvolti soggetti umani né animali vertebrati in questo studio.

Preparazione e preelaborazione del dataset

Raccolta e organizzazione dei dataset

Sono state raccolte immagini dermoscopiche dai dataset PH2, ISIC2018 e ISIC2017, con link specifici forniti nella Tabella dei Materiali. Il dataset PH2 contiene 200 immagini ad alta risoluzione (1000 × 1000 pixel), ISIC2018 comprende 2.594 immagini con corrispondenti maschere di segmentazione e ISIC2017 2.150 immagini con maschere di segmentazione. I dati sono stati organizzati in set di addestramento, validazione e test seguendo protocolli standard, assicurando che le immagini siano in formati compatibili (ad esempio, .jpg, .png o .tiff) e includano le corrispondenti maschere di verità sul terreno in formato binario.

I dati sono stati organizzati in set di addestramento, validazione e test seguendo protocolli standard. I dataset sono stati suddivisi come segue: per ISIC2018, sono state assegnate 1.815 immagini per l'addestramento, 259 per la validazione e 520 per i test. Per ISIC2017, sono state assegnate 1.500 immagini per l'addestramento, 220 per la validazione e 430 per i test. Per PH2, il dataset è stato suddiviso in 160 immagini di addestramento, 10 immagini di validazione e 30 immagini di test. Una risoluzione d'immagine costante di 256 × 256 pixel è stata mantenuta durante tutta la pipeline di preprocessing.

Aumento e normalizzazione dei dati

Sono state applicate tecniche di aumento dei dati per migliorare la generalizzazione dei modelli. Furono implementati ribaltamenti orizzontali, vertici e rotazioni casuali all'interno di un intervallo di ±15°. Correzione gamma e trasformazione logaritmica sono state applicate con una probabilità di 0,3 ciascuna. I valori dei pixel sono stati normalizzati utilizzando le statistiche di ImageNet (media = [0,485, 0,456, 0,406], deviazione standard = [0,229, 0,224, 0,225]).

Ridimensionare tutte le immagini di input a 256 × 256 pixel: per garantire l'efficienza computazionale, tutte le immagini di input furono ridimensionate a una risoluzione uniforme di 256 × 256 pixel. Sebbene le immagini ad alta risoluzione, come quelle nel dataset (1000 × 1000 pixel), contengano dettagli a grana fine e informazioni sulle texture cruciali per una delineazione accurata dei confini delle lesioni, aumentare la risoluzione non ha migliorato significativamente le prestazioni del modello. Pertanto, la risoluzione non è stata aumentata per mantenere un equilibrio tra efficienza computazionale e accuratezza del modello. Lavori futuri potrebbero approfondire gli effetti degli input ad alta risoluzione per determinare se i benefici nell'accuratezza della segmentazione giustifichino l'aumento dei costi computazionali. Le immagini venivano convertite in formato RGB quando necessario. I dati preprocessati venivano salvati in directory strutturate mantenendo le suddivisioni originali del dataset.

Implementazione dell'architettura HMP-MUNet

Progettazione dell'architettura di rete

HMP-MUNet è stato configurato seguendo la struttura gerarchica a forma di U codificatore-decodificatore come mostrato nella Figura 1. La rete era configurata con espansione progressiva dei canali: 8→16→32→64→128→256 canali tra i livelli degli encoder.

Un cambiamento architettonico significativo è stato apportato riducendo la profondità della rete da quattro livelli gerarchici a due, il che aiuta a semplificare il modello e migliorare l'efficienza computazionale. Sebbene la profondità sia ridotta, le dimensioni del canale sono state aumentate a ogni livello, permettendo alla rete di catturare caratteristiche più ricche ed espressive. Per migliorare ulteriormente l'apprendimento delle caratteristiche del modello, sono stati introdotti meccanismi di attenzione per focalizzare la rete sulle caratteristiche più rilevanti su più scale. Questi meccanismi di attenzione compensano efficacemente la potenziale perdita di astrazione gerarchica delle caratteristiche dovuta all'architettura più superficiale.

L'encoder veniva inizializzato con operazioni doppie Conv2D per l'estrazione iniziale delle caratteristiche dai tensori di ingresso X(C, H×W). È stata implementata la configurazione alternata di tre moduli specializzati: High-order Vision Mamba-based Switching Scheme (H-VSS), Parallel Multi-depth Flexible Network (PMFlex) e Multi-Scale Dilated Attention Fusion Network (MSDAFN).

Il modello utilizza le statistiche ImageNet (media e deviazione standard) per la normalizzazione, evitando la necessità di ricalcolare per ogni dataset, migliorando così l'efficienza computazionale. Garantisce stabilità e generalizzabilità, sfruttando l'ampio utilizzo di ImageNet nei compiti di visione artificiale. Questa scelta semplifica il design riducendo la complessità del preprocessing e migliora la trasferibilità tra dataset, permettendo al modello di generalizzare efficacemente su diverse immagini di lesioni cutanee.

Implementazione dello schema di commutazione basato su mamba a visione di alto ordine (H-VSS)                

Il modulo H-VSS è stato implementato secondo l'architettura della Figura 2. La normalizzazione dello strato (LN) e l'attivazione di Hardswish (HS) sono state configurate con connessioni residue seguendo l'Equazione (1):

figure-protocol-1

La componente Local Spatial Descriptor (LSD) è stata implementata per mantenere la coerenza spaziale. Il modulo Scansione 2D Selettiva Spaziale (SS2D) è stato configurato con schemi di scansione multidirezionale seguendo l'Equazione (2):

figure-protocol-2

Il processamento Multi-Layer Perceptron (MLP) è stato aggiunto con connessioni residue come specificato nell'Equazione (3):

figure-protocol-3

Il meccanismo di scansione selettiva 2D di alto ordine (H-SS2D) proietta le caratteristiche di input nello spazio bidimensionale per una modellazione contestuale migliorata.

Implementazione della rete flessibile parallela multi-profondità (PMFlex)

Il modulo PMFlex è stato configurato secondo le specifiche della Figura 3 . La normalizzazione dei livelli è stata applicata alle mappe di caratteristiche di input X(C, H×W), poi partizionata in quattro segmenti lungo la dimensione del canale seguendo l'Equazione (4):

figure-protocol-4

Ogni funzionalità segmentata Y_i veniva elaborata tramite moduli condivisi Visual Mamba (VMamba). Gli output processati venivano concatenati e il raffinamento veniva applicato tramite Normalizzazione e proiezione dello Strato, come descritto nell'Equazione (5):

figure-protocol-5

Implementazione della rete di fusione a attenzione dilatata multiscala (MSDAFN)

Il modulo MSDAFN è stato implementato seguendo l'architettura Figure 4. Le operazioni di convoluzione parallele sono state configurate con velocità di dilatazione di 6, 12 e 18 per l'estrazione di caratteristiche multiscala secondo l'Equazione (6):

figure-protocol-6

Le funzionalità multiscala sono state integrate tramite concatenazione di canali come specificato nell'Equazione (7):

figure-protocol-7

Sono stati implementati meccanismi di doppia attenzione per la ricalibrazione delle caratteristiche. I pesi di attenzione dei canali sono stati calcolati utilizzando il pooling della media globale seguendo l'Equazione (8):

figure-protocol-8

La ponderazione dell'attenzione del canale è stata applicata come descritto nell'Equazione (9):

figure-protocol-9

L'attenzione spaziale è stata configurata tramite operazioni di convoluzione seguendo l'Equazione (10):

figure-protocol-10

L'attenzione del canale e spaziale è stata combinata come specificato nell'Equazione (11):

figure-protocol-11

Configurazione e ottimizzazione dell'addestramento

Configurazione dell'ambiente

L'ambiente sperimentale era configurato su un sistema Ubuntu 20.04 con una GPU (32 GB di VRAM). Sono stati installati Python 3.8, framework di deep learning (RRID: SCR_018536) e CUDA 11.8. La dimensione dell'immagine in input è stata impostata a 256 × 256 pixel per i compiti sulle lesioni cutanee.

Funzione di perdita e configurazione dell'ottimizzatore

La funzione di perdita BceDice è stata implementata per l'ottimizzazione dell'addestramento. L'ottimizzatore AdamW era configurato con un tasso di apprendimento iniziale di 0,001, una dimensione del lotto di 8 e 250 epoche di addestramento. Per la regolarizzazione fu applicato un decadimento del peso di 1 × 10⁻5 .

Per la configurazione di base, questo studio si riferisce al lavoro di Liu et al. (2024) sul modello Vmamba, utilizzato come modello di spazio di stato visivo per il compito11 di classificazione delle immagini mediche. Le configurazioni esatte e gli script utilizzati per implementare Vmamba si basano sul loro lavoro pubblicato e adattati per questo studio, con aggiustamenti specifici per adattarsi meglio al dataset di imaging medico.

La programmazione della velocità di apprendimento è stata impostata utilizzando il coseno con riavvii a caldo. Configurare T_0 = 10 epoche per il periodo di riavvio iniziale, T_mult = 2 per la moltiplicazione dei periodi e η_min = 1 × 10⁻6 per il tasso minimo di apprendimento.

Ottimizzazione degli iperparametri

Per garantire riproducibilità e coerenza, tutti gli esperimenti sono stati condotti utilizzando un seed casuale fisso di 42. L'ottimizzazione sistematica degli iperparametri è stata condotta concentrandosi sulla dimensione del lotto, la velocità di apprendimento e il tasso di drop path. Sono stati valutati i lotti di 4, 8, 16 e 32. Sono stati testati i tassi di apprendimento di 0,0005, 0,001, 0,0015 e 0,002. Le prestazioni di validazione sono state monitorate utilizzando il Coefficiente di Similarità dei Dados (DSC) come metrica primaria. Dimensioni di batch maggiori di 8 possono causare un overflow di memoria su GPU con meno di 32 GB di VRAM.

Valutazione del modello e valutazione delle prestazioni

Configurazione delle metriche di valutazione

Sono state implementate metriche di valutazione complete, tra cui Mean Intersection over Union (mIoU), Dice Similarity Coefficient (DSC), Sensitivity (Sen), Specificity (Spe) e Accuracy (Acc). Le metriche sono state calcolate secondo le seguenti formulazioni:

L'intersezione media sull'unione (mIoU) quantifica la sovrapposizione tra segmentazione di verità prevista e segmentazione di verità sul terreno:

figure-protocol-12

Il Coefficiente di Similarità dei Dadi (DSC) misura la coerenza della segmentazione. I valori variano da 0 a 1, con valori più alti che indicano prestazioni migliori:

figure-protocol-13

La sensibilità (Sen) misura la capacità del modello di rilevare campioni positivi:

figure-protocol-14

La specificità S(Spe) valuta il corretto riconoscimento negativo del campione:

figure-protocol-15

L'accuratezza (Acc) misura la correttezza complessiva della previsione:

figure-protocol-16

I parametri (M) riflettono la complessità del modello, misurando i parametri totali addestrabili:

figure-protocol-17

dove Pi è il numero di parametri nel i-esimo strato, e N è il numero totale di strati. Conteggi di parametri più piccoli indicano modelli più leggeri, adatti al dispiegamento clinico.

Protocollo dello studio dell'ablazione

Sono stati condotti studi completi di ablazione per validare i contributi dei componenti architettonici seguendo il disegno sperimentale nella Tabella 1. Sono state valutate quattro varianti architettoniche: H-MUNet (base senza MSDAFN e PMFlex), HP-MUNet (senza MSDAFN), HM-MUNet (senza PMFlex) e HMP-MUNet (modello completo).

Parametri di addestramento identici erano configurati per tutte le varianti: tasso di apprendimento 0,001, dimensione lotto 8, 250 epoche. La convergenza dell'addestramento è stata monitorata e i miglioramenti delle prestazioni sono stati validati per ogni aggiunta di componenti.

Analisi dell'efficienza computazionale

Sono state misurate le metriche di efficienza computazionale, inclusi il conteggio dei parametri, i FLOP e i tempi di inferenza tra diverse architetture. La valutazione del tempo di inferenza del modello su una GPU standard di livello clinico mostra che, sebbene abbia le migliori prestazioni su GPU ad alte prestazioni, il modello è circa il 70% più lento su hardware più comunemente utilizzato. Tuttavia, è ancora in grado di raggiungere velocità di inferenza efficienti, rendendolo adatto per un impiego clinico pratico. Monitorare l'uso della memoria GPU durante l'addestramento per garantire la stabilità del sistema. Memoria GPU minima consigliata per il batch 8.

Validazione e analisi

Benchmarking delle prestazioni

Le prestazioni di HMP-MUNet sono state confrontate con metodi all'avanguardia su entrambi i dataset. Tutti i modelli confrontati sono stati implementati e addestrati secondo gli stessi protocolli di suddivisione dei dati, preprocessing, aumento dei dati e addestramento per garantire che le differenze di prestazioni fossero dovute esclusivamente a differenze architettoniche. I risultati quantitativi, inclusi miglioramenti DSC del 2,89% e 5,25% rispettivamente sui dataset ISIC2018 e PH2, sono stati documentati. Lo studio ha convalidato che il conteggio dei parametri è ridotto di 4,55 volte rispetto alla base di U-Net.

Analisi statistica

I test di significatività statistica sono stati eseguiti utilizzando test t accoppiati per confronti delle prestazioni. Gli intervalli di confidenza sono stati calcolati per le metriche riportate. La riproducibilità è stata garantita attraverso molteplici sessioni di addestramento con semi casuali diversi.

Le configurazioni ottimali degli iperparametri sono state registrate con dimensione del lotto 8 e tasso di apprendimento 0,001, raggiungendo un picco di DSC di 0,9585 sul dataset PH2 e 0,9044 sul dataset ISIC2018, come documentato nei risultati sperimentali. Sono stati garantiti dati di validazione sufficienti per prevenire il sovrafitting. Le curve di perdita di validazione sono state monitorate per applicare criteri di stop precoce.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Progettazione dell'architettura HMP-MUNet per la segmentazione delle immagini mediche

L'architettura proposta HMP-MUNet ha dimostrato prestazioni eccezionali nei compiti automatizzati di segmentazione delle lesioni cutanee. La Figura 1 illustra l'architettura completa della rete, mostrando la struttura gerarchica a forma di U codificatore-decoder con espansione progressiva del canale da 8 a 256 canali. L'integrazi...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

Questo studio presenta HMP-MUNet (High-order Multi-scale Parallel Vision Mamba U-Net), un nuovo framework di deep learning che affronta le sfide fondamentali nella diagnosi assistita dal computer (CAD) per la segmentazione delle lesioni cutanee attraverso l'integrazione innovativa di Modelli State-Space (SSM) con componenti architettoniciavanzati 1. L'approccio descritto qui dimostra che combinare meccanismi di interazione di caratteristiche di alto ordine con att...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori dichiarano di non avere conflitti di interesse legati a questa ricerca. Non esistono rapporti finanziari tra gli autori e eventuali entità commerciali che possano influenzare in modo inappropriato l'opera presentata in questo manoscritto. Questa ricerca è stata condotta in modo indipendente e i risultati e le conclusioni sono esclusivamente degli autori. Il testo di questo manoscritto è stato rivisto e rifinito con l'assistenza di ChatGPT, poiché l'inglese non è la lingua madre degli autori. Gli autori confermano che l'uso dell'assistenza tramite IA si è limitato alla modifica linguistica e non ha comportato alcuna generazione o analisi di contenuti che potesse compromettere l'integrità scientifica del lavoro.

Ringraziamenti

Gli autori ringrazziano con gratitudine il sostegno finanziario fornito dal Progetto di Ricerca Scientifica del Dipartimento Provinciale dell'Istruzione del Liaoning nell'ambito del Grant LJ212510149013 e del Programma Generale della National Natural Science Foundation della Provincia del Liaoning 2024-MSLH-377, che ha reso possibile questa ricerca. Ringraziamo i partecipanti alla ricerca e le istituzioni che hanno contribuito ai dataset pubblici utilizzati in questo studio, che hanno permesso una validazione completa della metodologia proposta.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
CUDA 11.8NVIDIA Corporation, Santa Clara, CA, USASoftware
GPU (32 GB VRAM)NVIDIASistema operativo
ISIC2017 DatasetSfida ISIChttps://challenge.isic-archive.com/dataDataset
ISIC2018 DatasetSfida ISIChttps://challenge.isic-archive.com/dataDataset
NVIDIA V100 GPUNVIDIA Corporation, Santa Clara, CA, USAHardware
PH2 DatasetUniversidade Do Portohttps://www.fc.up.pt/addi/ph2Dataset
Python 3.8PythonRRID:SCR_018536Software
PyTorch 1.13.0PyTorchRRID:SCR_018536Software
Ubuntu 20.04CanonicoHardware

Riferimenti

  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).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Architettura U NetModelli a spazio di statoElaborazione multiscalaMeccanismi di attenzioneDiagnostica assistita dal computerEstrazione delle caratteristicheVision Mamba

Articoli correlati