使用 MultiResUnet 神经网络分割红外乳腺图像
图像与视频处理
2020-11-03 v1 计算机视觉与模式识别
摘要
乳腺癌是美国女性死亡的第二大原因。乳腺癌的早期发现是提高患者生存率的关键。我们正在研究红外(IR)热成像作为乳腺筛查中乳腺钼靶检查的 noninvasive 辅助手段。IR 成像无辐射、无痛且非接触。从采集的全尺寸乳腺 IR 图像中自动分割乳腺区域将有助于限制肿瘤搜索区域,并减少手动分割的时间和人力成本。先前研究已应用类自编码器的卷积和反卷积神经网络(C-DCNN)来自动分割 IR 图像中的乳腺区域。在本研究中,我们应用了最先进的深度学习分割模型 MultiResUnet,其由用于捕获特征的编码器部分和用于精确定位的解码器部分组成。它用于通过使用我们在试点研究中用热红外相机(N2 Imager)对乳腺癌患者和正常志愿者成像收集的一组乳腺 IR 图像来分割乳腺区域。我们使用的数据库有 450 张图像,采集自 14 名患者和 16 名志愿者。我们使用阈值法去除原始图像中的干扰,并将其从原始 16-bit 重映射为 8-bit,然后手动裁剪并分割 8-bit 图像。使用留一交叉验证(LOOCV)的实验以及通过使用 Tanimoto 相似度与真值图像比较显示,MultiResUnet 的平均准确率为 91.47%,比自编码器高约 2%。MultiResUnet 提供了比我们先前模型更好的分割乳腺 IR 图像的方法。
引用
@article{arxiv.2011.00376,
title = {Segmentation of Infrared Breast Images Using MultiResUnet Neural Network},
author = {Ange Lou and Shuyue Guan and Nada Kamona and Murray Loew},
journal= {arXiv preprint arXiv:2011.00376},
year = {2020}
}
备注
6 pages. Accepted by IEEE AIPR 2019 (Oral)