科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对DCE-MRI乳腺癌病变区的浸润范围勾画精度低、结构形态变化大、强度不均和边界对比度低等原因,导致乳腺癌病变区自动化分割存在准确率低和错分割的问题,为此,本文构建了一个二阶段乳腺癌病变区分割框架,提出一种乳腺癌病变区分割模型UTB-net,分别在编码路径和末端整合多尺度和Non-local,在解码路径构建注意力-残差模块。首先,利用基准U-net网络模型实现对乳房区域的粗糙勾画,消除影像中胸肌肉、脂肪、心脏等不相关组织对乳腺癌分割的影响。然后,基于提取的ROI结果,在模型的编码路径嵌入了多尺度信息融合和Non-local模块。最后,在解码路径构建了一种注意力-残差混合解码模块,并引入深度监督机制,以提高乳腺癌病灶的分割精度。实验结果表明:相较于UNet基准模型,乳腺癌分割指标DICE,IOU,SEN,PPV分别提升了4%,4.78%,5.92%和3.94%。所提模型在提高了乳腺癌分割结果的同时,减少了小面积误分割和钙化分割。
- 单位
