换一批基于轻量级多尺度CNN-Transformer网络的鼻咽癌诊断方法
Nasopharyngeal Carcinoma Diagnosis Method Based on Lightweight Multi-Scale CNN-Transformer Network
摘要深度学习(DL)技术是辅助临床医生进行内窥镜图像中鼻咽癌(NPC)肿瘤物的诊断重要手段,但其面临两个挑战:1)图像局部区域的视觉信息相似而冗余,可能会导致低效的计算效率;2)全局信息和局部特征之间的长期的动态交互往往会导致无效的学习,同时增加冗余计算.针对上述问题,提出了一种轻量级多尺度CNN-Transformer 网络,称为L-MTransNet.该网络由多尺度的卷积神经网络(MCNN)块和具有动态卷积的多尺度CNN-Transformer(MTrans)构成.首先,MCNN用于提取内窥镜数据的多尺度的局部特征,降低局部信息的冗余;其次,为了在同一特征层级具有精细和粗糙的多尺度特征表示,并且重构每个多尺度局部特征间的全局关系,多路径视觉Transformer(MPViT)和动态卷积Transformer(TransNet)组成的MTrans模块被构建.其赋予网络较强的归纳偏置和全局信息交互能力,缓解特征的表示差异和提升融合效率.基于深圳市第二人民医院采集的300例患者的临床内窥镜数据集进行验证实验.结果证明,分类准确率为94.53％±0.35％,F1-评分为94.17％±0.34％,AUC达到98.61％±0.07％,同时具有较低的计算成本,参数为5.9 M,FLOPs为7.6 G.所提出的方法展现出了良好的效果,有望应用于内窥镜图像的NPC肿瘤早期筛查.
更多相关知识
关键词
鼻咽癌轻量级多尺度Transformer动态卷积nasopharyngeal carcinomalightweightmulti-scaleTransformerdynamic convolution
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2025.03.003
发布时间
2025-08-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（U22A2024）
- 浏览10
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
