计算机技术与发展2023，Vol.33Issue(7) ：139-145.DOI:10.3969/j.issn.1673-629X.2023.07.021

基于多层融合注意力的乳腺肿瘤图像分割方法

Breast Tumor Images Segmentation Method Based on Multi-layer Fusion Attention

王宇昕 付晓薇 赵思宇 陈芳
计算机技术与发展2023，Vol.33Issue(7) ：139-145.DOI:10.3969/j.issn.1673-629X.2023.07.021
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于多层融合注意力的乳腺肿瘤图像分割方法

Breast Tumor Images Segmentation Method Based on Multi-layer Fusion Attention

王宇昕 1付晓薇 1赵思宇 1陈芳2
扫码查看

作者信息

  • 1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;智能信息处理与实时工业系统湖北省重点实验室,湖北 武汉 430065
  • 2. 武汉科技大学校医院超声影像科,湖北 武汉 430065
  • 折叠

摘要

针对超声乳腺肿瘤图像中存在的高散斑噪声较多、肿瘤边缘模糊以及形状复杂多样等问题,提出了一种基于多层融合注意力的超声乳腺肿瘤图像分割方法.首先,在保持U-Net编-解码结构的基础上,采用经过预训练的ResNet-34 模型,用于在编码部分提取更深层次的特征;然后,在跳跃连接部分对相邻的浅层特征与深层特征分别进行空间与通道维度上的增强;其次,将经过注意力增强后的不同层次特征进行融合,重点关注肿瘤区域的位置,以避免散斑噪声干扰下的错误分割;最后,利用普通卷积层进行特征还原,得到分割结果.实验结果表明,所提方法对噪声干扰较大的超声乳腺肿瘤图像鲁棒性更强,Dice系数、IoU、Recall和Precision分别能够达到0.852 2、0.768 2、0.877 3 和0.863 0.同时,所提方法在模型复杂度上也有较好的表现,较对比方法具有更优的分割性能.

关键词

超声乳腺图像/肿瘤分割/U-Net/卷积神经网络/注意力机制

Key words

breast ultrasound images/tumors segmentation/U-Net/convolutional neural network/attention mechanism

引用本文复制引用

基金项目

湖北省自然科学基金(2017CFB506)

深圳科技创新基础研究重点项目(JCYJ20210324115606017)

武汉科技大学研究生创新创业基金(JCX2021062)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量3
段落导航相关论文