MLP-UNet:用于对乳腺和甲状腺超声波图像中的病变进行细分的算法
Tian-Feng Dong1, Chang-Jiang Zhou2, Zhen-Yi Huang2
1School of Health Science and Engineering, University of Shanghai for Science and Technology, Shanghai, China.
Computer assisted surgery (Abingdon, England)
|June 28, 2025
概括
一个新的深度学习模型,MLP-UNet,在超声波图像中准确地细分乳腺瘤和甲状腺结节. 这一进步有助于精确的活检和手术,为导航系统提供了重要的临床潜力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌和甲状腺癌是全球快速增长的恶性瘤.
- 超声波成像是对这些病变的查和手术指导的关键.
- 准确的,实时的病变细分对于精确的干预至关重要.
研究的目的:
- 推出MLP-UNet,这是一个深度学习模型,用于在超声波图像中自动细分乳腺瘤和甲状腺结节.
- 评估MLP-UNet的性能与现有的细分方法相比.
主要方法:
- 开发了MLP-UNet,这是一个U-Net架构,在编码器中集成了一个基于MLP的模块 (MAP).
- 在跳过连接中使用注意力模块来改善特征表示.
- 在BUSI和DDTI数据集上评估模型.
主要成果:
- MLP-UNet实现了3375万个参数的最先进的细分性能.
- 在BUSI数据集上,实现了Dice (80.61%),IOU (67.93%) 和Remall (80.48%).
- 在DDTI数据集上,实现了Dice (81.67%) 和IoU (71.72%).
结论:
- 与经典和最先进的网络相比,MLP-UNet显示出更高的细分精度.
- 该模型保持低计算复杂度,适合临床应用.
- MLP-UNet显示了改善超声波导航外科导航系统的巨大潜力.
