跳到正文
arXiv · 机器人与计算机视觉· Romil Imtiaz, Dimitris K. Iakovidis·· 17 天前AI 评分35

Attention Residual U-Net 提升内窥镜息肉定位性能

Attention Residual U-Net for Enhanced Cross-Dataset Polyp Localization in Endoscopy

AI 导读

针对内窥镜设备差异及低对比度病灶等挑战,Attention Residual U-Net 通过抑制无关背景响应并融合残差传播与注意力过滤机制,在多数据集上实现优于现有最先进方法的检测效果。实验显示该方法在受试者工作特征曲线下面积(AUC)指标上提升最高达 22.0%,有效增强了复杂临床条件下的病灶定位鲁棒性。该研究作为计算机视觉领域的预印本发布于 arXiv,代码与权重开放许可情况待进一步确认。

来源:arXiv · 机器人与计算机视觉 · arxiv.org