融合EfficientNet与U-Net的超声图像乳腺肿瘤分割方法研究 |
| |
作者姓名: | 肖丹 李文彬 张红梅 |
| |
作者单位: | 1. 西安交通大学生命科学与技术学院;2. 西安医学院医学技术学院 |
| |
基金项目: | 国家自然科学基金面上项目(62171366); |
| |
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。
|
关 键 词: | U-Net EfficientNet 乳腺肿瘤分割 超声图像 深度学习 |
|