用于超声图像乳腺肿瘤分割的注意力增强深度学习模型
图像与视频处理
2020-09-03 v2 机器学习
机器学习
摘要
将人类领域知识用于乳腺肿瘤诊断具有挑战性，因为形状、边界、曲率、强度或其他常见医学先验在患者间差异显著而无法采用。本工作提出一种将视觉显著性整合进深度学习模型以进行超声图像乳腺肿瘤分割的新方法。视觉显著性指包含更可能吸引放射科医生视觉注意区域的图像图。所提方法将注意力块引入U-Net架构，并学习优先处理高显著性水平空间区域的特征表示。验证结果表明，相对于无显著注意力层的模型，肿瘤分割准确率得到提升。该方法在510张图像的数据集上取得了90.5%的Dice相似系数。该显著注意力模型有潜力通过向深度学习架构提供融入任务特定知识的手段，增强其他器官医学图像处理的准确性与鲁棒性。
引用
@article{arxiv.1910.08978,
title = {Attention Enriched Deep Learning Model for Breast Tumor Segmentation in Ultrasound Images},
author = {Aleksandar Vakanski and Min Xian and Phoebe Freer},
journal= {arXiv preprint arXiv:1910.08978},
year = {2020}
}
备注
16 pages, 5 figures