基于乳腺解剖约束的乳腺超声图像模糊语义分割
计算机视觉与模式识别
2019-10-24 v3
摘要
乳腺癌是影响女性健康最严重的疾病之一。由于低成本、便携、无辐射且高效，乳腺超声(BUS)成像是诊断早期乳腺癌最常用的方法。然而，超声图像分辨率低且质量差。因此，开发准确的检测系统是一项具有挑战性的任务。本文提出一种全自动分割算法，由两部分组成：模糊全卷积网络与基于乳腺解剖约束的精确微调后处理。第一部分中，图像经对比度增强预处理，并采用小波特征进行图像增广。模糊隶属度函数将增广后的BUS图像变换至模糊域。卷积层特征也使用模糊逻辑进行处理。条件随机场(CRFs)对分割结果进行后处理。利用乳腺解剖各层之间的位置关系提升性能。所提方法应用于包含325张BUS图像的数据集，在肿瘤类别上以真阳性率90.33%、假阳性率9.00%、交并比(IoU)81.29%，以及在脂肪层、乳腺层、肌肉层、背景和肿瘤五类上的平均交并比(mIoU)80.47%，取得了优于现有方法的SOTA性能。
引用
@article{arxiv.1909.06645,
title = {Fuzzy Semantic Segmentation of Breast Ultrasound Image with Breast Anatomy Constraints},
author = {Kuan Huang and Yingtao Zhang and H. D. Cheng and Ping Xing and Boyu Zhang},
journal= {arXiv preprint arXiv:1909.06645},
year = {2019}
}
备注
15 pages, 19 figures, submitted to IEEE Transactions on Fuzzy Systems