DUCPS：深入展开肺部超声图像 B 线量化的 Cauchy Proximal 分割算法
图像与视频处理
2024-07-17 v2
摘要
B 线在肺部超声 (LUS) 中的识别对于辅助临床诊断至关重要，推动了创新方法的开发。虽然 Cauchy Proximal 分割 (CPS) 算法在 B 线检测中表现出色，但过程缓慢且泛化性有限。本文通过 novel 无监督深度展开网络结构 (DUCPS) 解决上述问题。该框架利用深度展开程序将传统模型方法与深度学习方法融合。通过将 CPS 算法展开为深度网络，DUCPS 使优化算法中的参数可学习，从而增强泛化性能并实现快速收敛。我们使用 Neighbor2Neighbor (N2N) 和结构相似性指数测量 (SSIM) 损失进行完全无监督训练。结合本文提出的改进线条识别方法，实现了最先进的性能，召回率和 F2 分数分别达到 0.70 和 0.64。值得注意的是，DUCPS 在计算效率上显著提高，无需大量数据标注，相较于传统算法和现有深度学习方法均表现出显著优势。
引用
@article{arxiv.2407.10667,
title = {DUCPS: Deep Unfolding the Cauchy Proximal Splitting Algorithm for B-Lines Quantification in Lung Ultrasound Images},
author = {Tianqi Yang and Oktay Karakuş and Nantheera Anantrasirichai and Marco Allinovi and Alin Achim},
journal= {arXiv preprint arXiv:2407.10667},
year = {2024}
}
备注
16 pages, 6 figures, IEEE TMI