计算机工程与应用

2022, v.58;No.1013(22) 219-228

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

改进U-Net的超声乳腺肿瘤分割网络
Enhanced Network for Ultrasound Breast Tumor Segmentation Based on U-Net

陈曦;刘奇;邓小波;何柯辰;全美霖;

摘要(Abstract):

乳腺超声图像具有肿瘤大小形态多变、阴影较多、边界模糊等特点,经典U-Net的乳腺肿瘤分割结果与标注图像出入较大。对此,提出改进网络MultiMixU-Net。该网络在U-Net结构中引入MultiMix block以及Respath。MultiMix block通过空洞卷积通路提高网络区分目标以及背景的能力,并通过级联该通路中各卷积层输出,融合普通卷积通路的输出来提取多尺度特征信息。Respath的改进部署使网络中收缩路径与扩张路径之间对应特征信息的传递更加有效。该改进网络在公开的超声乳腺肿瘤分割数据集上进行了测试,实验表明,MultiMixU-Net分割结果优于其他网络且参数量较少。相较于U-Net,所提网络分割结果在所有评价指标上均有提升,其中IoU、DSC分别提升0.154 1、0.127 3。

关键词(KeyWords): 乳腺肿瘤分割;超声图像;U-Net;深度学习

Abstract:

Keywords:

基金项目(Foundation):

作者(Authors): 陈曦;刘奇;邓小波;何柯辰;全美霖;

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享