多重注意力引导的超声乳腺癌肿瘤图像分割

作     者：郭洪洋 程前 康晓东 杨靖怡 杨舒琪 李芳 张蕊 GUO Hongyang;CHENG Qian;KANG Xiaodong;YANG Jingyi;YANG Shuqi;LI Fang;ZHANG Rui

作者机构：天津医科大学医学影像学院天津300202 重庆大学附属黔江医院重庆409000 北京市化工职业病防治院北京100093 

基　　金：京津冀协同创新项目(17YEXTZC00020) 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第S1期

页      码：409-414页

摘      要：传统基于U-Net超声乳腺图像分割任务中存在预测尺度单一和信息丢失等问题。针对存在的问题,提出一种由多重注意力引导机制的U-Net超声乳腺肿瘤图像分割。首先,在U-Net的编码结构中,引入多个SE通道注意力,对输入的乳腺肿瘤图像进行多层级的语义信息提取,引导编码器聚焦乳腺肿瘤特征,减少冗余背景信息带来的干扰;其次,通过设计特征融合处理模块,对编码器传来的特征图进行复杂语义特征的融合处理;最后,在解码器部分,加入金字塔结构捕获全局空间信息,提高模型对肿瘤图像的多尺度特征提取能力,以提高整体网络的表达能力和分割性能。在乳腺肿瘤图像数据集上对该方法进行了仿真实验,结果表明,与其他U-Net改进策略相比,该方法具有更强的准确率和鲁棒性。

主 题 词：多重注意力引导 乳腺 U-Net 超声 图像分割 

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

D　O　I：10.11896/jsjkx.230500004

馆 藏 号：203128165...