-
题名面向乳腺超声分类的低尺度形态特征重校准方法
- 1
-
-
作者
龚勋
朱丹
杨子奇
罗俊
-
机构
西南交通大学计算机与人工智能学院
西南交通大学可持续城市交通智能化教育部工程研究中心
西南交通大学综合交通大数据应用技术国家工程实验室
西南交通大学四川省制造业产业链协同与信息化支撑技术重点实验室
四川省人民医院
-
出处
《西南交通大学学报》
EI
CSCD
北大核心
2024年第3期539-546,563,共9页
-
基金
国家自然科学基金(62376231)
四川省重点研发项目(2023YFG0267)。
-
文摘
针对乳腺超声图像具有类内差异大、类间差异小以及结节形状复杂多变等问题,提出一种形状特征重校准的乳腺超声图像算法,实现乳腺超声的自动化诊断.首先,构建端到端的网络模型,采用渐进训练方式,充分学习图像中更具辨别力的区域,获取更细粒度的特征信息;其次,提出分区打乱机制,降低网络中打乱图像时破坏结节区域所产生的噪声;然后,将模型底层提取的特征与通过掩膜图像获得的形状特征进行重校准,提出低尺度重校准损失函数;最后,构建一个包含1550张乳腺超声图像数据集LSRD(low-scale recalibration database),验证所提方法的有效性.实验结果表明:本文模型在LSRD上准确率94.3%、敏感性91.2%、特异性93.6%、ROC(receiver operator characteristic curve)与坐标围成的面积(area under curve,AUC)为0.941,均优于对比模型;在BUSI(breast ultrasound image)数据集上,相较于对比模型,其分类精度提升3.3%.
-
关键词
形状特征
分区打乱机制
低尺度重校准
乳腺癌分类
-
Keywords
morphological features
partition shuffle mechanism
low-scale recalibration
breast cancer classification
-
分类号
R737.9
[医药卫生—肿瘤]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
