换一批基于多尺度特征提取和时间分割的梅杰综合征检测
Detection of Meige's syndrome based on multi-scale feature extraction and temporal segmentation
摘要梅杰综合征的诊断主要依赖医生的临床评估,由于该疾病的症状与其他神经性疾病有相似之处且确诊较为复杂,因此诊断过程对医生和患者相当关键.本研究采集31名梅杰综合征患者的发病视频,建立梅杰综合征检测数据集,开发出一种应用于未修剪视频的梅杰综合征自动检测系统(MS-Net).首先,利用RetinaNet和UNet3+构建时间检测分支和时间分割分支来进行多尺度特征提取和时间分割;其次,通过时间检测分支和时间分割分支解码分别生成检测窗口的概率向量和每帧发病的概率;最后,使用多层感知器处理两分支的概率预测,为每个窗口生成一个更加准确的概率.通过使用额外的损失函数和数据增强等技术优化模型性能,并使用临床医生可解释特征进行操作.MS-Net可以辅助诊断梅杰综合征,提高早期诊断的准确性、便捷性和效率.与其他先进的网络进行比较,结果表明MS-Net在使用临床实践中所需的可解释特征的同时在平均精度方面也取得相当的性能.
更多相关知识
关键词
梅杰综合征时序动作检测多尺度特征提取时间分割Meige's syndrometemporal action detectionmulti-scale feature extractiontemporal segmentation
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.07.018
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（61901537）
河南省高校科技创新人才支持计划（23HASTIT030）
中原工学院学科青年硕导培育计划项目（SD202207）
中原工学院自然科学基金项目（K2025ZD006）
中原工学院研究生科研创新计划项目（YKY2024ZK26）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
