AUNet：用于全乳腺X线图像中肿块分割的注意力引导密集上采样网络
计算机视觉与模式识别
2019-08-07 v3
摘要
乳腺X线摄影是应用最广泛的早期乳腺癌筛查工具之一。乳腺X线图像中肿块的自动分割至关重要，但由于低信噪比以及肿块形状和大小的广泛多样性而具有挑战性。现有方法主要通过手动或自动提取以肿块为中心的图像块来应对这些挑战。然而，手动提取图像块耗时，而自动提取图像块带来的误差无法在后续分割步骤中补偿。在本研究中，我们提出一种新颖的注意力引导密集上采样网络（AUNet），直接对全乳腺X线图像进行准确的肿块分割。在 AUNet 中，我们采用非对称编码器-解码器结构，并提出一种有效的上采样块，即注意力引导密集上采样块（AU 块）。特别地，AU 块设计具有三个优点。首先，它通过密集上采样补偿双线性上采样的信息损失。其次，它设计了一种更有效的方法来融合高层与低层特征。第三，它包含通道注意力函数以突出信息丰富的通道。我们在两个公开数据集 CBIS-DDSM 和 INbreast 上评估了所提方法。与三种最先进的全卷积网络相比，AUNet 取得了最佳性能，在 CBIS-DDSM 上平均 Dice 相似系数为 81.8%，在 INbreast 上为 79.1%。
引用
@article{arxiv.1810.10151,
title = {AUNet: Attention-guided dense-upsampling networks for breast mass segmentation in whole mammograms},
author = {Hui Sun and Cheng Li and Boqiang Liu and Hairong Zheng and David Dagan Feng and Shanshan Wang},
journal= {arXiv preprint arXiv:1810.10151},
year = {2019}
}