研究人员开发了HFS-TriNet，一种旨在改进经直肠超声（TRUS）视频前列腺癌分类的新型网络。该方法通过采用启发式帧选择策略，解决了TRUS视频分析中的冗余和低信噪比等挑战。该网络包含三个协同分支：一个标准的ResNet50，一个利用预训练SAM进行深度特征提取和时间一致性的大模型分支，以及一个用于边缘信息和去噪的小波变换卷积残差分支。 AI
影响 引入了一种新的医学图像分析深度学习架构，有望提高前列腺癌检测的诊断准确性。
排序理由 这是一篇描述特定医学成像任务新网络架构的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.22388v1 Announce Type: new Abstract: Transrectal ultrasound (TRUS) imaging is a cost-effective and non-invasive modality widely used in the diagnosis of prostate cancer. The computer-aided diagnosis (CAD) relying on TRUS images has been extensively investigated recentl…
Transrectal ultrasound (TRUS) imaging is a cost-effective and non-invasive modality widely used in the diagnosis of prostate cancer. The computer-aided diagnosis (CAD) relying on TRUS images has been extensively investigated recently. Compared to static images, TRUS video provide…