强大的Bi-CBMSegNet框架,用于通过双模块编码器-解码器方法推进乳房质量细分的乳房扫描
Yu Wang1, Mudassar Ali2, Tariq Mahmood3,4
1Shandong Research Institute of Industrial Technology, Jinan, 250000, China.
Scientific reports
|July 8, 2025
概括
这项研究介绍了双语境乳腺质量细分框架 (Bi-CBMSegNet) 以实现更准确的乳腺癌查. 这种新的方法提高了乳房分片的精度和效率.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌查通过乳房扫描对于早期检测和降低死亡率至关重要.
- 手动哺乳镜解读面临诸如错误诊断等挑战,原因是质量和腺体的形状相似.
- 目前用于乳腺质量细分的计算机辅助诊断工具的准确性和应用性有限.
研究的目的:
- 引入一个新的框架,双语境乳腺质量细分框架 (Bi-CBMSegNet),用于精确和高效的乳腺质量细分.
- 提高自动乳腺质量细分的准确性,有助于更早,更可靠的乳腺癌诊断.
- 改善乳腺癌护理中的诊断和治疗规划过程.
主要方法:
- 开发了使用编码器-解码器架构的双语境乳腺质量分割框架 (Bi-CBMSegNet).
- 集成的全球功能增强模块 (GFEM) 用于全面的上下文功能同化.
- 综合局部特征增强模块 (LFEM) 提供详细的语义信息和精确的划分.
主要成果:
- 与现有方法相比,Bi-CBMSegNet显示出更高的计算效率.
- 该框架在乳腺质量细分精度方面实现了增强的性能指标.
- 通过对两个公共乳房造 mammography 数据库进行严格的评估,证实了该模型的有效性.
结论:
- 双CBMSegNet为乳房影像的自动乳房质量细分提供了显著的进步.
- 拟议的框架可以提高乳腺癌查的准确性和效率.
- 这项技术有望提高乳腺癌护理中的诊断准确度和治疗计划.
