Enhancing Diagnostic Precision in Gastric Bleeding through Automated Lesion Segmentation: A Deep DuS-KFCM Approach

要約

内視鏡画像における胃出血のタイムリーかつ正確な分類とセグメント化は、胃合併症の迅速な診断と介入にとって極めて重要であり、これは救命医療において極めて重要です。
従来の方法は、他の胃構造に隣接する出血組織の識別できない強度値によってもたらされる課題に取り組んでいます。
私たちの研究は、新しい深層学習モデルであるデュアル空間カーネル化制約付きファジー C-Means (Deep DuS-KFCM) クラスタリング アルゴリズムを導入することで、この領域に革命を起こそうとしています。
このハイブリッド ニューロ ファジー システムは、ニューラル ネットワークとファジー ロジックを相乗して、出血領域の高精度かつ効率的な識別を提供します。
セグメンテーションに粗いものから細かいものへの 2 つの戦略を実装するこのモデルは、最初に空間強度プロファイルで強化された空間カーネル化ファジー C-Means (SKFCM) アルゴリズムを採用し、その後、ResNet50 アーキテクチャを備えた最先端の DeepLabv3+ を利用して、
セグメンテーション出力を調整します。
主流の胃出血および赤斑データセットにわたる広範な実験を通じて、当社の Deep DuS-KFCM モデルは、87.95% という前例のない精度と 96.33% の特異性を実証し、現代のセグメンテーション手法を上回りました。
この結果は、このモデルのノイズに対する堅牢性と、特に微妙な出血症状の識別における優れたセグメンテーション機能を強調しており、それによって医療画像処理に大きな進歩をもたらします。

要約(オリジナル)

Timely and precise classification and segmentation of gastric bleeding in endoscopic imagery are pivotal for the rapid diagnosis and intervention of gastric complications, which is critical in life-saving medical procedures. Traditional methods grapple with the challenge posed by the indistinguishable intensity values of bleeding tissues adjacent to other gastric structures. Our study seeks to revolutionize this domain by introducing a novel deep learning model, the Dual Spatial Kernelized Constrained Fuzzy C-Means (Deep DuS-KFCM) clustering algorithm. This Hybrid Neuro-Fuzzy system synergizes Neural Networks with Fuzzy Logic to offer a highly precise and efficient identification of bleeding regions. Implementing a two-fold coarse-to-fine strategy for segmentation, this model initially employs the Spatial Kernelized Fuzzy C-Means (SKFCM) algorithm enhanced with spatial intensity profiles and subsequently harnesses the state-of-the-art DeepLabv3+ with ResNet50 architecture to refine the segmentation output. Through extensive experiments across mainstream gastric bleeding and red spots datasets, our Deep DuS-KFCM model demonstrated unprecedented accuracy rates of 87.95%, coupled with a specificity of 96.33%, outperforming contemporary segmentation methods. The findings underscore the model’s robustness against noise and its outstanding segmentation capabilities, particularly for identifying subtle bleeding symptoms, thereby presenting a significant leap forward in medical image processing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google