HyperAIHyperAI
vor 17 Tagen

Ein hochordentliches Fokus-Interaktionsmodell und ein oraler Ulkus-Datensatz für die Segmentierung oraler Ulkusi

{Yuan Fan, Pengchen Liang, Qing Chang, Yue Wang, Yinghao Liu, Renkai Wu, Chenghao Jiang}
Ein hochordentliches Fokus-Interaktionsmodell und ein oraler Ulkus-Datensatz für die Segmentierung oraler Ulkusi
Abstract

Die computergestützte Diagnose von Mundgeschwüren hat sich in der Fachwelt bisher nur langsam entwickelt. Ein wesentlicher Grund hierfür ist das Fehlen öffentlich zugänglicher Datensätze. Gleichzeitig weisen Mundgeschwüre jedoch häufig maligne Veränderungen auf, und ihre Sterblichkeitsrate ist hoch. Die frühzeitige, zuverlässige und effiziente Erkennung von Mundgeschwüren ist daher von entscheidender Bedeutung. In den letzten Jahren beschäftigen sich zwar nur wenige Forschergruppen mit diesem Thema, doch die verfügbaren Datensätze sind zumeist privat. Um dieser Herausforderung zu begegnen, stellen wir in diesem Artikel einen neuen, mehrfach aufgabenorientierten Datensatz für Mundgeschwüre (Autooral) vor, der zwei zentrale Aufgaben umfasst: die Segmentierung von Läsionen und deren Klassifikation. Zudem machen wir diesen Datensatz öffentlich zugänglich. Sofern wir uns richtig informiert haben, ist unsere Gruppe die erste, die einen mehrfach aufgabenorientierten Datensatz für Mundgeschwüre öffentlich bereitstellt. Darüber hinaus präsentieren wir einen neuartigen Modellierungsansatz, HF-UNet, zur Segmentierung von Läsionsgebieten bei Mundgeschwüren. Insbesondere integriert der vorgeschlagene High-order Focus Interaction Module (HFblock) eine hochordnungsbasierte Aufmerksamkeitsmechanik, die sowohl globale Eigenschaften als auch lokale Details effizient erfasst. Der vorgeschlagene Läsionslokalisationsmodul (LL-M) nutzt einen neuartigen hybriden Sobel-Filter, der die Erkennung von Geschwürkanten signifikant verbessert. Experimentelle Ergebnisse auf dem vorgestellten Autooral-Datensatz zeigen, dass unsere HF-UNet-Modellierung eine DSC-Wert von etwa 0,80 erreicht und gleichzeitig nur 2029 MB Speicher zur Inference benötigt. Die vorgeschlagene Methode gewährleistet somit eine geringe Rechenlast bei gleichzeitig hoher Segmentierungseffizienz. Der vorgestellte Autooral-Datensatz und der zugehörige Quellcode sind unter https://github.com/wurenkai/HF-UNet-and-Autooral-dataset verfügbar.

Ein hochordentliches Fokus-Interaktionsmodell und ein oraler Ulkus-Datensatz für die Segmentierung oraler Ulkusi | Neueste Forschungsarbeiten | HyperAI