典型文献
改进U-Net的超声乳腺肿瘤分割网络
文献摘要：
乳腺超声图像具有肿瘤大小形态多变、阴影较多、边界模糊等特点,经典U-Net的乳腺肿瘤分割结果与标注图像出入较大.对此,提出改进网络MultiMixU-Net.该网络在U-Net结构中引入MultiMix block以及Respath.MultiMix block通过空洞卷积通路提高网络区分目标以及背景的能力,并通过级联该通路中各卷积层输出,融合普通卷积通路的输出来提取多尺度特征信息.Respath的改进部署使网络中收缩路径与扩张路径之间对应特征信息的传递更加有效.该改进网络在公开的超声乳腺肿瘤分割数据集上进行了测试,实验表明,MultiMixU-Net分割结果优于其他网络且参数量较少.相较于U-Net,所提网络分割结果在所有评价指标上均有提升,其中IoU、DSC分别提升0.1541、0.1273.
文献关键词：
乳腺肿瘤分割;超声图像;U-Net;深度学习
中图分类号：
作者姓名：
陈曦;刘奇;邓小波;何柯辰;全美霖
作者机构：
四川大学 电气工程学院,成都 610065;四川大学 生物医学工程学院,成都 610065
文献出处：
引用格式：
[1]陈曦;刘奇;邓小波;何柯辰;全美霖-.改进U-Net的超声乳腺肿瘤分割网络)[J].计算机工程与应用,2022(22):219-228
A类：
MultiMixU,MultiMix,Respath
B类：
Net,乳腺肿瘤分割,分割网络,乳腺超声图像,肿瘤大小,形态多变,阴影,边界模糊,出入,进网,block,空洞卷积,各卷,卷积层,多尺度特征,特征信息,扩张路径,参数量,IoU,DSC
AB值：
0.239302
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。
