基于伪彩色乳腺摄影图像与 Mask R-CNN 的全自动计算机辅助肿块检测与分割
计算机视觉与模式识别
2019-10-22 v2
摘要
乳腺摄影肿块检测与分割通常作为串行且分离的任务执行，且既往研究中分割往往仅对人工确认的真正性检测进行操作。我们提出了一种全集成计算机辅助检测（CAD）系统，可在无用户干预下同时实现乳腺摄影肿块检测与分割。所提 CAD 仅由伪彩色图像生成和基于 Mask R-CNN 的肿块检测-分割阶段组成。灰度乳腺摄影图像通过多尺度形态学筛选转换为伪彩色图像，其中类肿块模式被增强以提升 Mask R-CNN 性能。随后采用基于 Mask R-CNN 的迁移学习在伪彩色图像上同时检测并分割肿块。在公开数据集 INbreast 上评估，该方法以每图 0.9 个假阳性下平均真正率 0.90 和肿块分割平均 Dice 相似系数 0.88 的性能优于现有最优方法。
引用
@article{arxiv.1906.12118,
title = {Fully automatic computer-aided mass detection and segmentation via pseudo-color mammograms and Mask R-CNN},
author = {Hang Min and Devin Wilson and Yinhuang Huang and Siyu Liu and Stuart Crozier and Andrew P Bradley and Shekhar S. Chandra},
journal= {arXiv preprint arXiv:1906.12118},
year = {2019}
}