融合自注意力的乳腺钼靶图像特征引导分割算法
申文静1
丛金玉1
班楷第1
王苹苹1
刘坤孟1
司兴勇2
魏本征1
1.山东中医药大学 医学人工智能研究中心,青岛 266112;山东中医药大学 青岛中医药科学院,青岛 2661122.山东中医药大学 医学人工智能研究中心,青岛 266112
摘要：为提高对乳腺癌钼靶图像中病灶区域的识别精度,本研究设计了一种面向乳腺肿块和钙化区域分割的特征引导注意网络.首先,该网络通过特征提取模块学习乳腺组织的语义特征;其次,利用融合自校正注意力的解码模块,增强对病灶区域边缘信息的关注度,提高边界的清晰度;最后,采用特征引导注意模块增强通道的依赖关系,进一步还原病灶区域边缘细节,提高分割精度.实验结果表明,本研究网络在扩充后的INBreast1 数据库中肿块和钙化分割的平均骰子系数(mDice)分别达到了 0.971 和 0.888,在DDSM数据库肿块分割的mDice达到了 0.911,优于其他常规的分割模型,对乳腺癌的早期诊断和治疗具有重要意义.
关键词：乳腺癌钼靶图像图像分割自注意力特征引导
分类号：R318(医用一般科学)
资助基金：山东省自然科学基金资助项目(ZR2020QF043)山东省自然科学基金资助项目(ZR2022QG051)山东省自然科学基金资助项目(ZR2023QF094)
论文发表日期：2024-02-28
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 55-61 )
英文信息