BAGNet：用于恶性乳腺病变分割的双向感知引导网络
图像与视频处理
2022-04-29 v1 计算机视觉与模式识别
机器学习
摘要
乳腺病变分割是计算机辅助诊断系统的重要步骤，已引起广泛关注。然而，由于异质结构和相似强度分布的影响，恶性乳腺病变的准确分割是一项具有挑战性的任务。本文提出一种新颖的双向感知引导网络（BAGNet），从乳腺超声图像中分割恶性病变。具体而言，双向感知引导网络用于从输入的粗显著图中捕获全局（低级）与局部（高级）特征之间的上下文。全局特征图的引入可减少周围组织（背景）对病变区域的干扰。为评估网络的分割性能，我们在公共乳腺超声数据集上使用六种常用评估指标与几种最先进的医学图像分割方法进行比较。大量实验结果表明，我们的方法在恶性乳腺超声图像上取得了最具竞争力的分割结果。
引用
@article{arxiv.2204.13342,
title = {BAGNet: Bidirectional Aware Guidance Network for Malignant Breast lesions Segmentation},
author = {Gongping Chen and Yuming Liu and Yu Dai and Jianxun Zhang and Liang Cui and Xiaotao Yin},
journal= {arXiv preprint arXiv:2204.13342},
year = {2022}
}
备注
This paper has been accepted by 2022 7th Asia-Pacific Conference on Intelligent Robot Systems (ACIRS 2022)