A2DMN：面向乳腺超声语义分割的解剖感知扩张多尺度网络
图像与视频处理
2024-03-26 v1 计算机视觉与模式识别
机器学习
摘要
近年来，用于乳腺超声图像语义分割的卷积神经网络已取得巨大成功；然而，仍存在两大挑战。1）当前大多数方法本质上缺乏利用组织解剖结构的能力，导致图像区域被错误分类。2）由于反复的下采样操作，它们难以生成精确的边界。为解决这些问题，我们提出了一种用于捕获精细图像细节的新型乳腺解剖感知网络，以及一个编码乳腺解剖结构的新型平滑项。它融合了跨多个空间尺度的上下文信息，以生成更精确的语义边界。我们进行了大量实验，使用包含325张图像的乳腺超声数据集，将所提出的方法与八种最先进的方法进行了比较。结果表明，所提出的方法显著改善了肌肉、乳腺和肿瘤类别的分割，并生成了更精确的组织边界精细细节。
引用
@article{arxiv.2403.15560,
title = {A2DMN: Anatomy-Aware Dilated Multiscale Network for Breast Ultrasound Semantic Segmentation},
author = {Kyle Lucke and Aleksandar Vakanski and Min Xian},
journal= {arXiv preprint arXiv:2403.15560},
year = {2024}
}