EUIS-Net：一种高效超声图像分割的卷积神经网络
图像与视频处理
2024-08-23 v1 计算机视觉与模式识别
摘要
分割超声图像对于各种医疗应用至关重要，但由于超声图像本身的噪声和不可预测性，这一任务面临着显著的挑战。为此，我们提出了 EUIS-Net，一种 designed to 高效且精确地分割超声图像的 CNN 网络。所提出的 EUIS-Net 采用四个 encoder-decoder 结构，显著降低了计算复杂度，同时实现了卓越的性能。所提出的 EUIS-Net 将 channel 注意力机制和 spatial 注意力机制集成到瓶颈层，以 improve 特征表示并收集重要的上下文信息。此外，EUIS-Net 在 skip connection 中引入了 region-aware attention module，以 enhance 对伤害区域的关注。为 enable 网络各层之间进行详尽的信息交换，采用了从 network 最底层到最顶层的 skip connection aggregation。对两个公开的超声图像分割数据集进行了 comprehensive 的评估。所提出的 EUIS-Net 在 BUSI 数据集上的 mean IoU 和 dice 分数分别为 78.12%，85.42%，在 DDTI 数据集上分别为 84.73%，89.01%。本研究的发现表明，EUIS-Net 在临床应用中具有巨大的潜力，并且在 various 超声成像任务中表现出色。
引用
@article{arxiv.2408.12323,
title = {EUIS-Net: A Convolutional Neural Network for Efficient Ultrasound Image Segmentation},
author = {Shahzaib Iqbal and Hasnat Ahmed and Muhammad Sharif and Madiha Hena and Tariq M. Khan and Imran Razzak},
journal= {arXiv preprint arXiv:2408.12323},
year = {2024}
}