（来源：中国医药报）
转自：中国医药报
近日，中国科学院深圳先进技术研究院与合作者共同提出了一种轻量化实时脊柱内镜实例分割框架——EndoSeg-RT，为术中导航和辅助决策提供了更加精准且可部署的技术方案。
近年来，深度学习技术在医学影像分析中取得突破性进展，但在脊柱内镜场景中仍面临现实挑战：一是许多模型计算量大、推理速度慢，难以满足术中实时应用的需求；二是神经等细小结构面积占比低、边界复杂，容易被模型忽略；三是大型模型对硬件依赖度高，难以在术中工作站或边缘设备上稳定运行。这些问题使得“实验室效果好”的模型，难以真正走进手术室。
该研究从模型结构入手，对主干网络、特征融合模块和分割头进行整体协同优化，引入重参数化卷积与高效多尺度注意力机制，在保证精度的同时大幅降低计算开销。同时，团队设计了双分支特征融合模块，加强跨尺度信息交互与边界细节表达能力，使模型在复杂背景下依然能够准确识别细小神经结构和模糊组织边界。通俗来说，这套系统不仅“更聪明”，而且“更轻便”，能够在有限算力条件下实现高质量分割。
免责声明：
本文来源为其他媒体的内容转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。
