使用新型辅助注意力框架对超声图像中乳腺肿瘤进行联合定位与分类
图像与视频处理
2022-10-13 v1 计算机视觉与模式识别
摘要
乳腺病灶自动检测与分类是计算机辅助诊断中的一项重要任务，其中乳腺超声（BUS）成像是一种常用且频繁的筛查工具。近来，已有若干基于深度学习的方法被提出，利用 BUS 图像对乳腺病灶进行联合定位与分类。这些方法中，由共享网络主干提取的特征被两个独立的网络分支追加以实现分类与定位。不当的信息共享可能导致两个分支中特征优化的冲突并引起性能下降。此外，这些方法通常需要大量像素级标注数据用于模型训练。为克服这些局限，我们提出了一种基于注意力机制与解耦半监督学习策略的新型联合定位与分类模型。本研究使用的模型由分类网络与辅助病灶感知网络组成。通过注意力机制，辅助病灶感知网络可优化多尺度中间特征图并提取丰富语义信息以提升分类与定位性能。解耦半监督学习策略仅需不完整的训练数据集即可进行模型训练。所提出的模块化框架允许灵活替换网络以推广至各类应用。在两个不同乳腺超声图像数据集上的实验结果证明了所提方法的有效性。我们还探究了各种网络因素对模型性能的影响，以深入理解所设计的框架。
引用
@article{arxiv.2210.05762,
title = {Joint localization and classification of breast tumors on ultrasound images using a novel auxiliary attention-based framework},
author = {Zong Fan and Ping Gong and Shanshan Tang and Christine U. Lee and Xiaohui Zhang and Pengfei Song and Shigao Chen and Hua Li},
journal= {arXiv preprint arXiv:2210.05762},
year = {2022}
}