Key points are not available for this paper at this time.
De acordo com pesquisas médicas, pólipos colorretais são considerados lesões pré-cancerígenas típicas, tornando as imagens de pólipos colonoscópicos cruciais para o diagnóstico precoce do câncer retal. No entanto, variações no tamanho e forma dos pólipos, inconsistências na textura e ambiguidades nas bordas frequentemente apresentam desafios significativos para a segmentação de pólipos. Para abordar esses problemas, propomos uma rede de fusão de características multi-escala baseada em realce de bordas. Especificamente, utilizamos a fusão de características multi-escala em cada camada de características, onde as características extraídas são fundidas. A partir dessas características extraídas, geramos um gráfico de mapeamento global como uma região de bootstrap. Adicionalmente, introduzimos a Convolução de Canal Espacial (SCEConv) e o Transformador de Canal Gated Reverso (RGCT) para incorporar informações de borda na rede de segmentação. Essa abordagem melhora as características em camadas e produz um mapa de segmentação mais refinado. Extensos experimentos qualitativos e quantitativos em cinco conjuntos de dados de referência e dois conjuntos de dados privados demonstram que o EMFF-Net proposto neste trabalho melhora significativamente a precisão da segmentação em seis métricas. Isso representa uma clara vantagem sobre CNNs tradicionais e técnicas SOTA existentes. Especialmente, alcançamos 81% de mDice e 74% de mIoU no conjunto de dados CVC-ColonDB.
Guan et al. (Qua,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: