PECI-Net: 使用预处理集成和级联推理的视频荧光吞咽造影图像中的食团分割
计算机视觉与模式识别
2024-03-22 v1
摘要
食团分割对于视频荧光吞咽造影研究(VFSS)中吞咽障碍的自动检测至关重要。然而，由于VFSS图像半透明、对比度低、区域边界不清晰且缺乏颜色信息，模型难以准确分割食团区域。为克服这些挑战，我们提出了PECI-Net，一种用于VFSS图像分析的网络架构，它结合了两种新技术：预处理集成网络(PEN)和级联推理网络(CIN)。PEN通过以可学习的方式组合多种预处理算法来增强VFSS图像的清晰度和对比度。CIN通过级联推理利用其他区域的上下文来减少食团分割中的歧义。此外，CIN通过非对称方式参考上下文，防止了不可靠分割区域的不良副作用。实验中，PECI-Net的性能优于四个最近开发的基线模型，比基线模型中最好的TernausNet高出4.54%，比广泛使用的UNet高出10.83%。消融研究的结果证实了CIN和PEN在提高食团分割性能方面的有效性。
引用
@article{arxiv.2403.14191,
title = {PECI-Net: Bolus segmentation from video fluoroscopic swallowing study images using preprocessing ensemble and cascaded inference},
author = {Dougho Park and Younghun Kim and Harim Kang and Junmyeoung Lee and Jinyoung Choi and Taeyeon Kim and Sangeok Lee and Seokil Son and Minsol Kim and Injung Kim},
journal= {arXiv preprint arXiv:2403.14191},
year = {2024}
}
备注
20 pages, 8 figures,