BPAT-UNet:边界保护组装变压器UNet用于超声波甲状腺结节细分的超声波
Hui Bi1, Chengjie Cai2, Jiawei Sun3
1School of Computer Science and Artificial Intelligence, Changzhou University, Changzhou, Jiangsu 213164, China; The Affiliated Changzhou NO.2 People's Hospital of Nanjing Medical University, Changzhou, Jiangsu 213003, China; Key Laboratory of Computer Network and Information Integration, Southeast University, Nanjing, Jiangsu 211096, China.
本研究介绍了边界保护组件变压器UNet (BPAT-UNet) 以改善超声波图像中的甲状腺结节细分. 这种新型网络提高了边界精度和小物体检测,在临床应用中实现了卓越的性能.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 在超声波图像中精确细分甲状腺结节对于计算机辅助诊断至关重要.
- 像CNN和变压器这样的现有方法在超声数据中的精确边界和小物体细分方面扎.
研究的目的:
- 开发超声波甲状腺结节的先进细分方法.
- 为了提高边界保护和小物体检测精度.
主要方法:
- 提出了一个新的边界保护组装变压器UNet (BPAT-UNet).
- 整合了一个边界点监控模块 (BPSM),用于增强边界特征的自我注意力聚合.
- 引入了一个可适应的多尺度特征融合模块 (AMFFM) 用于多尺度特征融合.
- 在网络瓶处使用组装变压器模块 (ATM) 集成本地和全球功能.
主要成果:
- 与传统网络相比,BPAT-UNet表现出优越的细分性能.
- 在TN3k数据集上获得了81.64%的子相似系数 (DSC) 和14.06的HD95.
- 在私人数据集上获得了85.63%的DSC和14.53的HD95,表明了高准确度.
结论:
- 拟议的BPAT-UNet方法有效地以高精度对甲状腺超声波图像进行细分.
- 该方法符合结节诊断和治疗支持的临床要求.
- 开源代码可用于可复制性和进一步研究.
更多相关视频
05:41Author Spotlight: Integrating Ultrasound Imaging with Biochemical Markers for Thyroid Disease Diagnosis
Published on: February 9, 2024
09:21Human Brown Adipose Tissue Depots Automatically Segmented by Positron Emission Tomography/Computed Tomography and Registered Magnetic Resonance Images
Published on: February 18, 2015