DBF-Net：一种用于超声图像分割的特征融合双分支网络
图像与视频处理
2024-11-19 v1 计算机视觉与模式识别
摘要
由于病灶与周围组织边界难以区分，精确分割超声图像中的病灶具有挑战性。虽然深度学习提高了分割精度，但对边界质量及其与身体结构关系的关注有限。为解决此问题，我们引入UBBS-Net，一种学习身体与边界关系以改进分割的双分支深度神经网络。我们还提出一个特征融合模块来整合身体与边界信息。在三个公开数据集上评估，UBBS-Net优于现有方法，在乳腺癌、臂丛神经和婴幼儿血管瘤分割中分别取得了81.05%、76.41%和87.75%的Dice相似系数。结果证明了UBBS-Net在超声图像分割中的有效性。代码见https://github.com/apple1986/DBF-Net。
引用
@article{arxiv.2411.11116,
title = {DBF-Net: A Dual-Branch Network with Feature Fusion for Ultrasound Image Segmentation},
author = {Guoping Xu and Ximing Wu and Wentao Liao and Xinglong Wu and Qing Huang and Chang Li},
journal= {arXiv preprint arXiv:2411.11116},
year = {2024}
}