通过圆光束乳腺CT图像的形状智能预先指导信息来改善乳腺瘤细分
Tongxu Lin1, Junyu Lin2, Guoheng Huang2
1School of Automation, Guangdong University of Technology, Guangzhou 510006, People's Republic of China.
Physics in medicine and biology
|June 26, 2023
概括
本研究引入了一种新的形状导向细分 (SGS) 框架,通过结合先前的形状信息来改善乳腺瘤细分,从而提高深度学习模型的性能.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 由于不规则的形状和模糊的边缘,乳腺瘤细分具有挑战性.
- 深度学习模型在细分过程中经常会丢失关键的形状信息.
研究的目的:
- 开发一种新的形状导向细分 (SGS) 框架,以改善乳腺瘤细分.
- 通过使用先前的形状信息,增强细分网络对瘤形状的敏感性.
主要方法:
- 提出了一个形状导向细分 (SGS) 框架,包含一个形状导向块 (SGB) 和一个共享分类层 (SCL).
- SGB使用超像素聚合-解聚合和注意力机制来引导形状.
- SCL确保了功能一致性,并避免了额外的计算成本,与像UNet.net这样的网络无集成.
主要成果:
- 拟议的SGS框架在私人和公共数据集上表现出优越的有效性,与先进的方法相比.
- 实验证实了该框架能够提高乳腺瘤细分精度的能力.
结论:
- 该SGS框架提供了一种统一的方法来增强乳腺瘤分析的现有细分网络.
- 这种方法有效地利用先前的形状信息来实现更准确和更强大的细分.
