研究人员开发了一种新颖的框架，通过融合互补的白光成像（WLI）和窄带成像（NBI）数据来分割内窥镜病变。该方法解决了因组织变形或顺序采集而可能出现的WLI和NBI视图之间的空间错位问题。所提出的方法建立了拓扑正则化特征对应关系，并识别可靠的跨模态匹配，从而能够选择性地融合复杂域中的WLI和NBI特征。这使得WLI能够贡献与外观相关的幅度信息，NBI能够提供结构敏感的相位信息，最终提高病变分割的准确性。 AI
影响 引入了一种新颖的医学病变分割图像融合技术，有望提高内窥镜检查的诊断准确性。
排序理由 这是一篇详细介绍图像分割新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
