用于超声视频中乳腺病灶分割的时空渐进融合网络
图像与视频处理
2024-03-19 v1 计算机视觉与模式识别
摘要
基于超声视频的乳腺病灶分割为早期乳腺病灶检测与治疗提供了有价值的辅助。然而,现有工作主要集中于基于超声乳腺图像的病灶分割,通常难以很好地适应超声视频并取得理想结果。基于超声视频的乳腺病灶分割面临的主要挑战在于,如何同时利用帧内与帧间的病灶线索。为解决此问题,我们提出了一种新颖的时空渐进融合网络(STPFNet),用于基于视频的乳腺病灶分割问题。所提出的 STPFNet 主要包含三个方面。首先,我们提出采用统一的网络架构,同时捕获每个超声帧内的空间依赖关系与不同帧之间的时间相关性,以进行超声数据表征。其次,我们提出了一种新的融合模块,称为多尺度特征融合(MSFF),将空间与时间线索融合以进行病灶检测。MSFF 有助于确定病灶区域的边界轮廓,从而克服病灶边界模糊的问题。第三,我们提出利用前一帧的分割结果作为先验知识,以抑制噪声背景并学习更稳健的表征。特别地,我们引入了一个新的公开可用的超声视频乳腺病灶分割数据集,称为 UVBLS200,专门用于乳腺病灶分割。它包含 200 个视频,包括 80 个良性病灶视频和 120 个恶性病灶视频。在所提出数据集上的实验表明,所提出的 STPFNet 取得了优于 SOTA 方法的乳腺病灶检测性能。
引用
@article{arxiv.2403.11699,
title = {A Spatial-Temporal Progressive Fusion Network for Breast Lesion Segmentation in Ultrasound Videos},
author = {Zhengzheng Tu and Zigang Zhu and Yayang Duan and Bo Jiang and Qishun Wang and Chaoxue Zhang},
journal= {arXiv preprint arXiv:2403.11699},
year = {2024}
}