融入乳腺解剖结构的肿瘤显著性估计
计算机视觉与模式识别
2019-10-24 v1
摘要
乳腺癌研究具有重要意义，而开发肿瘤检测方法是一项关键需求。然而，由于乳腺结构复杂且图像质量较差，乳腺超声中的该任务具有挑战性。本文中，我们提出一种由丰富的乳腺解剖知识引导的新型肿瘤显著性估计模型以定位肿瘤。首先，通过深度神经网络生成乳腺解剖层。然后我们通过整合非语义乳腺解剖模型来细化各层，以解决乳腺层不完整的问题。同时，提出了一种由语义概率与空间距离加权的背景图生成新方法以提升性能。实验表明，所提带有新背景图的方法在 BUS 公共数据集上以 F_meansure 提升 10% 优于四种最先进的 TSE 模型。
引用
@article{arxiv.1910.10652,
title = {Breast Anatomy Enriched Tumor Saliency Estimation},
author = {Fei Xu and Yingtao Zhang and Min Xian and H. D. Cheng and Boyu Zhang and Jianrui Ding and Chunping Ning and Ying Wang},
journal= {arXiv preprint arXiv:1910.10652},
year = {2019}
}
备注
4 pages, 6 figures