摘要
臂丛神经(Brachial Plexus,BP)超声图像对比度低、边缘模糊和噪声多的特点导致传统图像分割方法很难取得好的分割效果,虽然基于深度学习的图像分割模型能够通过特征提取来降低上述特点的影响,但主流的编解码模型忽略了对跳跃连接特征的处理,使编码端不能为解码端提供有用的信息。为了解决这一问题,使用EfficientNetB3搭建U-Net框架,在网络的跳跃连接上使用空洞卷积来去除特征图中的噪声并获取显著的位置信息,使用周期欠采样方法解决臂丛神经超声图像正负样本严重失衡的问题。在Kaggle竞赛的BP数据集上进行实验,与U-Net、M-Net和U-Net++相比,提出的模型有更高的Dice系数和IoU值。
The low contrast,fuzzy edge and noise of Brachial Plexus(BP)ultrasound image make it difficult for traditional image segmentation methods to achieve excellent segmentation performance.Although the image segmentation model based on deep learning can reduce the influence of the above characteristics by feature extraction,the mainstream codec model ignores the processing of jump connection features,which makes the coder unable to provide useful information for the decoder.In order to solve this problem,EfficientNetB3 is used as the backbone of U-Net,then skip connection with dilated convolution is used to remove the noise in the feature map and obtain the distinct position information in the large receptive field,and finally the periodic undersampling method is used to solve the problem of serious imbalance between positive and negative samples in brachial plexus ultrasound image.Experiments are conducted on BP dataset of Kaggle competition.As compared with U-Net,M-Net and U-Net++,the proposed model has higher Dice coefficient and IoU value.
作者
孔令军
王茜雯
包云超
刘伟光
KONG Lingjun;WANG Qianwen;BAO Yunchao;LIU Weiguang(Faculty of Network and Telecommunication Enineering Jinling Institute of Technology,Nanjing 211169,China;College of Telecommunication and Information Engineering Nanjing University of Posts and Telecommunications,Nanjing 210003,China)
出处
《无线电工程》
北大核心
2021年第9期841-847,共7页
Radio Engineering
基金
中国博士后科学基金资助项目(2020M671595)
江苏省博士后科研资助计划资助项目(2020Z198)。
作者简介
孔令军,男,(1982-),博士,副教授,硕士生导师。主要研究方向:人工智能与信息科学交叉研究、通信与存储系统中新型信号处理与纠错码技术。2011年1月,获得北京交通大学信号与信息处理专业博士学位,新加坡南洋理工大学、东南大学双博士后,2014年海外人才引进加入南京邮电大学,并获得教育部留学回国基金,2015年破格晋升副教授,同年获聘为硕士生导师,2014年至今,共主持国家级、省部级科研项目11项,获得2018年“苏州高新区科技创新创业领军人才”称号。发表SCI期刊近30篇(其中IEEE TRANS 10篇),EI期刊和顶级国际会议论文30余篇,发明专利10余项;王茜雯,女,(1996-),硕士研究生。主要研究方向:深度学习、医疗图像处理;包云超,男,(1996-),硕士研究生。主要研究方向:深度学习、目标检测和图像分割;刘伟光,男,(2001—)。主要研究方向:通信工程、深度学习。
