SFUSNet：一种基于空间-频域的多分支网络用于超声图像中颈部淋巴结病变诊断
图像与视频处理
2023-10-06 v2 计算机视觉与模式识别
机器学习
摘要
蓬勃发展的深度学习已大幅改进超声图像中多种病变的诊断，但关于颈部淋巴结病变的显著研究空白仍然存在。本工作的目标是通过利用深度学习模型诊断超声图像中的颈部淋巴结病变。为此，我们首先收集了 3392 张颈部超声图像，包含正常淋巴结、良性淋巴结病变、恶性原发淋巴结病变和恶性转移性淋巴结病变。鉴于超声图像由声波跨不同身体组织的反射与散射生成，我们提出了 Conv-FFT 模块。它集成卷积操作与快速傅里叶变换以更敏锐地建模图像。在此基础之上，我们设计了一种名为 SFUSNet 的新颖架构。SFUSNet 不仅从空间域辨别超声图像的差异，还熟练捕获频域中各类病变的微观结构改变。为确定 SFUSNet 的潜力，我们通过五折交叉验证将其与 12 种流行架构进行基准比较。结果显示 SFUSNet 是最先进的模型，可达到 92.89% 准确率。此外，其对四类病变的平均精确率、平均灵敏度和平均特异度分别达到 90.46%、89.95% 和 97.49%。
引用
@article{arxiv.2308.16738,
title = {SFUSNet: A Spatial-Frequency domain-based Multi-branch Network for diagnosis of Cervical Lymph Node Lesions in Ultrasound Images},
author = {Yubiao Yue and Jun Xue and Haihua Liang and Bingchun Luo and Zhenzhang Li},
journal= {arXiv preprint arXiv:2308.16738},
year = {2023}
}