基于深度学习的三维乳腺超声影像自适应分割 |
| |
引用本文: | 李晓峰,王妍玮,卫晋.基于深度学习的三维乳腺超声影像自适应分割[J].吉林大学学报(信息科学版),2023(1):84-92. |
| |
作者姓名: | 李晓峰 王妍玮 卫晋 |
| |
作者单位: | 1. 黑龙江外国语学院信息工程系;2. 黑龙江科技大学机械工程学院;3. 北京理工大学计算机科学与技术学院 |
| |
基金项目: | 黑龙江省自然科学基金资助项目(LH2021F039); |
| |
摘 要: | 针对传统乳腺超声影像分割算法存在准确率低、精度低且耗时长等问题,提出基于深度学习的三维乳腺超声影像自适应分割算法。首先预处理图像,采用深度多示例学习方法检测病变图像块,删除正常图像块。然后对乳腺超声影像数据集扩增处理,用于神经网络训练。其次构建残差卷积神经网络模型,设计残差学习单元,结合扩增数据集形成特征映射,采用softmax函数训练网络并进行特征块判断,并结合阈值设置实现三维乳腺超声影像自适应分割。实验结果表明,该算法能更细致地完成图像分割,算法平均运行耗时为52.3 s,图像分割精度为95.5%,且F1分数值高,整体性能佳,为卷积神经网络分割应用提供参考。
|
关 键 词: | 三维乳腺超声 病变检测 数据集扩增 残差卷积神经网络 深度学习 |
|
|