典型文献
融合EfficientNet与U-Net的超声图像乳腺肿瘤分割方法研究
文献摘要：
目的:为实现对超声图像乳腺肿瘤准确、高效地分割,提出一种融合EfficientNet和U-Net的分割方法.方法:首先将U-Net的编码器替换成EfficientNet B4中的特征提取网络,然后引入Dice损失函数和边界损失函数,再以一定权重与交叉熵损失函数组合后得到复合损失函数,最后将EfficientNet B4在数据集ImageNet上的训练权重作为预训练权重,在公开数据集Dataset B上将该方法与U-Net、Res-UNet、VGG-UNet、Dense-UNet方法对超声图像乳腺肿瘤的分割效果进行比较.结果:该方法相较其他方法分割结果更优且参数量更小,Dice相似性系数为87.46％,相较原始的U-Net(Dice相似性系数为69.75％)提升了约18％.结论:提出的方法对超声图像乳腺肿瘤具有较好的分割效果,可为乳腺超声计算机辅助诊断系统的发展奠定基础.
文献关键词：
U-Net;EfficientNet;乳腺肿瘤分割;超声图像;深度学习
中图分类号：
作者姓名：
肖丹;李文彬;张红梅
作者机构：
西安交通大学生命科学与技术学院,西安 710049;西安医学院医学技术学院,西安 710021
文献出处：
引用格式：
[1]肖丹;李文彬;张红梅-.融合EfficientNet与U-Net的超声图像乳腺肿瘤分割方法研究)[J].医疗卫生装备,2022(11):8-13
A类：
B类：
EfficientNet,超声图像,乳腺肿瘤分割,分割方法,编码器,替换成,B4,特征提取网络,Dice,边界损失,再以,定权,交叉熵损失函数,数组,复合损失函数,ImageNet,重作,预训练,公开数据集,Dataset,上将,Res,UNet,VGG,Dense,分割效果,其他方法,参数量,相似性系数,乳腺超声,计算机辅助诊断系统
AB值：
0.321617
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
