LDMRes-Net: Enabling Efficient Medical Image Segmentation on IoT and Edge Platforms

要約

この研究では、IoT およびエッジ プラットフォームでの医療画像セグメンテーションに合わせて調整された軽量のデュアル マルチスケール残差ブロックベースの計算ニューラル ネットワークである LDMRes-Net を提案します。
従来の U-Net ベースのモデルは、疾患モニタリング、放射線治療、画像誘導手術などのリアルタイム臨床アプリケーションの速度と効率の要求を満たすという課題に直面しています。
LDMRes-Net は、学習可能なパラメータの数が著しく少ない (0.072M) ことでこれらの制限を克服し、リソースに制約のあるデバイスに非常に適しています。
このモデルの主な革新は、デュアル マルチ残差ブロック アーキテクチャにあり、これにより複数のスケールで洗練された特徴の抽出が可能になり、全体的なセグメンテーション パフォーマンスが向上します。
効率をさらに最適化するために、フィルターの数が慎重に選択され、重複を防ぎ、トレーニング時間を短縮し、計算効率を向上させます。
この研究には、眼科の診断と治療に重要な血管と硬滲出液の網膜画像のセグメンテーションに焦点を当てた包括的な評価が含まれています。
この結果は、LDMRes-Net の堅牢性、汎用性、および高いセグメンテーション精度を実証しており、特に IoT およびエッジ プラットフォームにおける、多様な臨床アプリケーションにおける正確かつ迅速な医用画像セグメンテーションのための効率的なツールとしての地位を確立しています。
このような進歩は、医療成果を改善し、リソースが限られた環境でリアルタイムの医用画像分析を可能にするという大きな可能性を秘めています。

要約(オリジナル)

In this study, we propose LDMRes-Net, a lightweight dual-multiscale residual block-based computational neural network tailored for medical image segmentation on IoT and edge platforms. Conventional U-Net-based models face challenges in meeting the speed and efficiency demands of real-time clinical applications, such as disease monitoring, radiation therapy, and image-guided surgery. LDMRes-Net overcomes these limitations with its remarkably low number of learnable parameters (0.072M), making it highly suitable for resource-constrained devices. The model’s key innovation lies in its dual multi-residual block architecture, which enables the extraction of refined features on multiple scales, enhancing overall segmentation performance. To further optimize efficiency, the number of filters is carefully selected to prevent overlap, reduce training time, and improve computational efficiency. The study includes comprehensive evaluations, focusing on segmentation of the retinal image of vessels and hard exudates crucial for the diagnosis and treatment of ophthalmology. The results demonstrate the robustness, generalizability, and high segmentation accuracy of LDMRes-Net, positioning it as an efficient tool for accurate and rapid medical image segmentation in diverse clinical applications, particularly on IoT and edge platforms. Such advances hold significant promise for improving healthcare outcomes and enabling real-time medical image analysis in resource-limited settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google