基于深度学习的三维乳腺超声影像自适应分割

作     者：李晓峰 王妍玮 卫晋 LI Xiaofeng;WANG Yanwei;WEI Jin

作者机构：黑龙江外国语学院信息工程系哈尔滨150025 黑龙江科技大学机械工程学院哈尔滨150025 北京理工大学计算机科学与技术学院北京100081 

基　　金：黑龙江省自然科学基金资助项目(LH2021F039) 

出 版 物：《吉林大学学报（信息科学版）》 (Journal of Jilin University（Information Science Edition）)

年 卷 期：2023年第41卷第1期

页      码：84-92页

摘      要：针对传统乳腺超声影像分割算法存在准确率低、精度低且耗时长等问题,提出基于深度学习的三维乳腺超声影像自适应分割算法。首先预处理图像,采用深度多示例学习方法检测病变图像块,删除正常图像块。然后对乳腺超声影像数据集扩增处理,用于神经网络训练。其次构建残差卷积神经网络模型,设计残差学习单元,结合扩增数据集形成特征映射,采用softmax函数训练网络并进行特征块判断,并结合阈值设置实现三维乳腺超声影像自适应分割。实验结果表明,该算法能更细致地完成图像分割,算法平均运行耗时为52.3 s,图像分割精度为95.5%,且F1分数值高,整体性能佳,为卷积神经网络分割应用提供参考。

主 题 词：三维乳腺超声 病变检测 数据集扩增 残差卷积神经网络 深度学习 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1671-5896.2023.01.012

馆 藏 号：203118267...