基于双路径 U-net 的自动三维乳腺超声肿块分割
图像与视频处理
2021-09-30 v2 人工智能
计算机视觉与模式识别
摘要
自动三维乳腺超声（ABUS）是一种新兴的乳腺筛查系统，已被提议作为乳腺 X 线摄影检测乳腺癌的补充模态。尽管 ABUS 在致密乳腺中表现更好，但阅读 ABUS 图像令人疲惫且耗时。因此，计算机辅助检测系统对于这些图像的解读是必要的。肿块分割在计算机辅助检测系统中起着至关重要的作用，并影响整体性能。由于肿块在大小、形状和纹理上的巨大差异，肿块分割是一项具有挑战性的任务。此外，不平衡的数据集使分割更加困难。本文引入了一种基于深度学习的新型肿块分割方法。本研究中用于图像分割的深度网络受 U-net 启发，U-net 近年来已广泛用于密集分割。系统性能使用包含 50 个肿块（38 个恶性、12 个良性病灶）的数据集确定。所提出的分割方法达到了 0.82 的平均 Dice 系数，优于平均 Dice 为 0.74 的两阶段有监督基于边缘的方法，以及平均 Dice 为 0.65 的自适应区域生长方法。
引用
@article{arxiv.2109.08330,
title = {Mass Segmentation in Automated 3-D Breast Ultrasound Using Dual-Path U-net},
author = {Hamed Fayyaz and Ehsan Kozegar and Tao Tan and Mohsen Soryani},
journal= {arXiv preprint arXiv:2109.08330},
year = {2021}
}