BlazeNeo: Blitzschnelle Polypensegmentierung und Neoplasma-Detektion

In den letzten Jahren ist die computergestützte automatische Polypensegmentierung und Neoplasiedetektion zu einem aufstrebenden Thema in der medizinischen Bildanalyse geworden und bietet wertvolle Unterstützung für Koloskopie-Verfahren. Dabei wurde verstärkt auf die Verbesserung der Genauigkeit der Polypendetektion und -Segmentierung geachtet. Jedoch wurde bisher nur wenig Aufmerksamkeit auf Latenz und Durchsatz bei der Durchführung dieser Aufgaben auf spezialisierten Geräten gelegt, was für praktische Anwendungen jedoch entscheidend sein kann. In diesem Artikel wird eine neuartige tiefe neuronale Netzarchitektur namens BlazeNeo vorgestellt, die speziell für die Aufgabe der Polypensegmentierung und Neoplasiedetektion mit Fokus auf Kompaktheit und Geschwindigkeit entwickelt wurde, ohne dabei die hohe Genauigkeit zu opfern. Das Modell nutzt einen äußerst effizienten HarDNet-Backbone sowie leichtgewichtige Receptive Field Blocks, um die Rechenleistung zu optimieren, sowie einen zusätzlichen Trainingsmechanismus, um die Trainingsdaten vollständig für eine verbesserte Segmentierqualität auszunutzen. Unsere Experimente auf einem anspruchsvollen Datensatz zeigen, dass BlazeNeo sowohl in Bezug auf Latenz als auch auf Modellgröße Verbesserungen erzielt, während die Genauigkeit mit den aktuellen State-of-the-Art-Methoden vergleichbar bleibt. Bei der Bereitstellung auf der Edge-Plattform Jetson AGX Xavier in INT8-Präzision erreicht BlazeNeo eine Geschwindigkeit von über 155 fps und erzielt gleichzeitig die beste Genauigkeit aller verglichenen Methoden.