-
题名多重注意力引导的超声乳腺癌肿瘤图像分割
- 1
-
-
作者
郭洪洋
程前
康晓东
杨靖怡
杨舒琪
李芳
张蕊
-
机构
天津医科大学医学影像学院
重庆大学附属黔江医院
北京市化工职业病防治院
-
出处
《计算机科学》
CSCD
北大核心
2024年第S01期409-414,共6页
-
基金
京津冀协同创新项目(17YEXTZC00020)。
-
文摘
传统基于U-Net超声乳腺图像分割任务中存在预测尺度单一和信息丢失等问题。针对存在的问题,提出一种由多重注意力引导机制的U-Net超声乳腺肿瘤图像分割。首先,在U-Net的编码结构中,引入多个SE通道注意力,对输入的乳腺肿瘤图像进行多层级的语义信息提取,引导编码器聚焦乳腺肿瘤特征,减少冗余背景信息带来的干扰;其次,通过设计特征融合处理模块,对编码器传来的特征图进行复杂语义特征的融合处理;最后,在解码器部分,加入金字塔结构捕获全局空间信息,提高模型对肿瘤图像的多尺度特征提取能力,以提高整体网络的表达能力和分割性能。在乳腺肿瘤图像数据集上对该方法进行了仿真实验,结果表明,与其他U-Net改进策略相比,该方法具有更强的准确率和鲁棒性。
-
关键词
多重注意力引导
乳腺
U-Net
超声
图像分割
-
Keywords
Multiple attention guidance
Mammary gland
U-Net
Ultrasound
Image segmentation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
