Bu çalışma, hibrit evrişim ve kanal dikkatini kullanarak gelişmiş segmentasyon doğruluğuna sahip hafif bir U-Net varyantı sunar ve MoNuseg ve GlaS'ta daha az parametreyle son teknoloji sonuçlar elde eder.
Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.
Yöntem makalesi
Bu çalışma, hibrit evrişim ve kanal dikkatini kullanarak gelişmiş segmentasyon doğruluğuna sahip hafif bir U-Net varyantı sunar ve MoNuseg ve GlaS'ta daha az parametreyle son teknoloji sonuçlar elde eder.
Yapay sinir ağı tabanlı bilgisayar görüntü işleme teknolojisi son yıllarda hızla gelişti ve birden çok alanda yaygın uygulamalar buldu. Tıbbi görüntü işlemede, UNet ve varyantları lezyon tespiti, hücre segmentasyonu ve polip segmentasyonu görevlerinde büyük başarı göstermiştir. Bu araştırma, modelin öğrenme yeteneğini geliştirmek için ağ derinliğini azaltarak ve ağ kanallarını artırarak elde edilen azaltılmış ağ parametrelerine sahip değiştirilmiş U şeklinde bir ağ sunmaktadır. Derinlik sıkıştırmasının neden olduğu öğrenme kapasitesindeki azalmayı önlemek için, orijinal ağın evrişimli modülünün yerini alacak bir hibrit kanallı evrişimli modül tanıtıldı. Model, pratik kanal özelliği çıkarma yeteneğini geliştirmek için katman ile nokta evrişim katmanı arasında bir kanal dikkat mekanizması sunar. Makale ayrıca, karışık derinlikli evrişim kullanmanın segmentasyon hedefinin boyut aralığını etkili bir şekilde çözebileceği ve bir modelin birden çok veri setine uygun olmasını zorlaştırabileceği sonucuna varıyor. Önerilen model, sırasıyla %1,0 ve %1,37'lik bir ortalama zar artışıyla iki popüler halka açık veri seti olan MoNuseg ve GlaS üzerinde son teknoloji sonuçlar elde ediyor. Modifiye edilmiş modelin toplam parametreleri, 65,6 milyon parametreli UCtransNet'e kıyasla 38,6 katlık bir azalmayı temsil eden 1,71 milyona düşürülmüştür.
Tıbbi görüntü segmentasyonu, tanı, tedavi planlaması ve hastalık izleme dahil olmak üzere çeşitli klinik uygulamalarda kritik öneme sahiptir. Özellik mühendisliği algoritmalarına dayalı geleneksel görüntü işleme yöntemleri, modern sağlık hizmeti ortamlarında üretilen büyük hacimli verileri işlemek için artık uygun değildir. Neyse ki, yapay sinir ağı teknolojisinin ilerlemesi ve bilgisayar donanım yeteneklerindeki gelişmeler, büyük ölçekli sinir ağı modellerinin eğitilmesini ve dağıtılmasını mümkün kılmıştır. Sonuç olarak, makine öğrenimi modellerine dayalı bilgisayarla görme işleme algoritmaları sürekli olarak geliştirilmekte ve çeşit....
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Bu bölüm, tıbbi görüntü segmentasyonu için önerilen MixKNet mimarisini açıklamaktadır. MixKNet modeli, dikkat mekanizmalarını ve karışık derinlikli evrişim katmanlarını birleştirerek UNet mimarisini genişletir. Bu çalışmada kullanılan yazılım Malzeme Tablosu'nda listelenmiştir.
1. Genel mimari
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
En gelişmiş yöntemlerle karşılaştırma
MixKNet mimarisi, GlaS ve MoNuSeg olmak üzere iki tıbbi görüntü segmentasyon veri seti üzerinde değerlendirilmiş ve sahadaki en son yöntemlerle karşılaştırılmıştır. Değerlendirme, Tablo 3'te
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Bu çalışma, tıbbi görüntü segmentasyonu için UNet1 mimarisinin yeni bir modifikasyonu olan MixKNet'i, hesaplama karmaşıklığını önemli ölçüde azaltırken segmentasyon performansını artırmak için karışık derinlikli evrişim ve bir kanal dikkat mekanizmasını entegre ederek sunmaktadır. Hibrit kanal evrişimi, ayrı kanal gruplarında çalışan birden çok evrişimli çekirdeği birleştirir. Bu tasarım, ağın aynı katman içinde farklı alıcı alan ölçeklerinde çeşitli uzamsal ve ba.......
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Yazarlar, rekabet eden finansal çıkarlar veya diğer çıkar çatışmaları olmadığını beyan ederler.
Ningbo Şehri'nin 2023 Sosyal Refah Araştırma Projelerinin ikinci partisi: Ontoloji ve NLP'ye Dayalı Telekom Ağı Dolandırıcılığı Tespiti için Temel Teknolojilerin Araştırılması ve Uygulanması (2023S169).
....Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
| Ad | Şirket | Katalog numarası | Yorumlar |
|---|---|---|---|
| Linux İşletim Sistemi (Ubuntu 22.04) | Çeşitli (Açık Kaynak Topluluğu) | N/A(Sürüm 22.04 LTS) | Geliştirme için açık kaynaklı işletim sistemi https://releases.ubuntu.com/22.04/ |
| NVIDIA RTX 3090 GPU | NVIDIA | 3090 | Derin öğrenme için yüksek performanslı GPU https://www.nvidia.com/en-us/geforce/graphics-cards/30-series/rtx-3090/ |
| Python | Python Software Foundation | N/A (Sürüm &; ge; 3.8) | AI/ML geliştirme için programlama dili https://www.python.org/ |
| PyTorch | Meta AI | N/A (Sürüm 1.13) | Açık kaynak makine öğrenimi çerçevesi https://pytorch.org/ |
| Visual Studio Code (VS Code) | Microsoft | N/A | Hafif ve güçlü kod düzenleyici https://code.visualstudio.com/ |
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Bu makale yayımlandı
Video yakında