医学图像分割技术:MHSI与CNV分割的创新突破
在医学图像领域,准确且快速的图像分割对于疾病的诊断和治疗至关重要。本文将聚焦于医学高光谱图像(MHSI)分割以及脉络膜新生血管(CNV)分割这两个方面,介绍相关的创新方法和技术。
医学高光谱图像(MHSI)分割
在MHSI分割方面,研究者提出了一种基于因子空间和光谱的方法,采用双流策略,利用MHSI的低秩先验知识,实现了高效且即插即用的分割。
方法对比
将该方法与最先进的MHSI分割方法进行比较,使用轻量级且高效的ResNet34作为双流方法的骨干网络。实验结果表明,2D方法在推理速度上通常比3D方法快,但3D方法在分割性能(DSC和HD)上具有优势。然而,该方法在推理速度和分割精度上均优于其他方法,并且具有即插即用的特性,通过选择更强大的骨干网络有可能实现更好的分割性能。具体对比情况如下表所示:
| 方法类型 | 推理速度 | 分割性能(DSC & HD) |
| ---- | ---- | ---- |
| 2D方法 | 快 | 相对较弱 |
| 3D方法 | 慢 | 强 |
| 本文方法 | 快 | 强 |
实验结果
在两个MHSI数据集上进行评估,实验显示在不同的评估指标上有显著的性能提升。例如,与2D对应方法相比,所提出的策略在DSC上可提高超过7.7%。将该策略插入ResNet - 34骨干网络后,在推理速度上比现有的3D网络快3 - 13倍,同时实现了最先进的MHSI分割精度。
以下是该方法的流程mermaid图: