用于MR图像乳腺肿瘤分割的不确定性门控可变形网络
图像与视频处理
2025-09-22 v1 计算机视觉与模式识别
摘要
在磁共振图像(MRI)中准确分割乳腺肿瘤对于乳腺癌诊断至关重要，然而现有方法在捕捉不规则肿瘤形状以及有效整合局部与全局特征方面面临挑战。为了解决这些局限性，我们提出了一种不确定性门控可变形网络，以利用 CNN 和 Transformer 的互补信息。具体而言，我们将可变形特征建模引入卷积和注意力模块中，从而为不规则肿瘤轮廓提供自适应感受野。我们还设计了一个不确定性门控增强模块(U-GEM)，基于像素级不确定性在 CNN 和 Transformer 之间选择性交换互补特征，同时增强局部和全局表示。此外，引入了边界敏感的深度监督损失以进一步改善肿瘤边界描绘。在两个临床乳腺 MRI 数据集上的综合实验表明，与现有最先进方法相比，我们的方法实现了更优的分割性能，凸显了其在准确描绘乳腺肿瘤方面的临床潜力。
引用
@article{arxiv.2509.15758,
title = {Uncertainty-Gated Deformable Network for Breast Tumor Segmentation in MR Images},
author = {Yue Zhang and Jiahua Dong and Chengtao Peng and Qiuli Wang and Dan Song and Guiduo Duan},
journal= {arXiv preprint arXiv:2509.15758},
year = {2025}
}
备注
5 pages, 2 figures