GG-Net: 超声图像中乳腺病变分割的全局指导网络

2023-10-10 06:36

本文主要是介绍GG-Net: 超声图像中乳腺病变分割的全局指导网络,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

ATTransUNet

  • 期刊分析
    • 摘要
    • 贡献
    • 方法
      • 整体框架
      • 1. Global Guidance Block
      • 2. Spatial-wise Global Guidance Block
      • 3. Channel-wise Global Guidance Block
      • 4. Breast Lesion Boundary Detection Module
    • 实验
      • 1. 对比实验
      • 2. 消融实验
        • 2.1 Ablation Analysis of our GG-Net
        • 2.2 Ablation Analysis of our BD-Module
  • 可借鉴参考

期刊分析

期刊名: Medical Image Analysis
期刊信息: IF: 10.9; JCR: Q1; 中科院一区Top
投稿周期: 本篇: Publised 2021.5
网站统计:录用比例:约25%; 审稿周期:约5月
其余信息: LetPub
该论文有代码,可复现学习

摘要

超声波自动乳腺病灶分割有助于诊断乳腺癌,这是影响全球女性的可怕疾病之一。由于固有的散斑伪影、模糊的乳腺病变边界以及乳腺病变区域内的不均匀强度分布,从超声图像中准确分割乳腺区域是一项具有挑战性的任务。最近,卷积神经网络(CNN)在医学图像分割任务中表现出了显着的效果。然而,CNN 中的卷积运算通常集中于局部区域,其捕获输入超声图像的远程依赖性的能力有限,导致乳腺病变分割精度下降。在本文中,我们开发了一种配备全局引导块(GGB)和乳腺病灶边界检测(BD)模块的深度卷积神经网络,用于增强乳腺超声病灶分割。 GGB 利用多层集成特征图作为指导信息来学习空间域和通道域的远程非局部依赖关系。 BD 模块学习额外的乳腺病变边界图,以提高分割结果细化的边界质量。在公共数据集和收集的数据集上的实验结果表明,我们的网络在乳腺超声病变分割方面优于其他医学图像分割方法和最近的语义分割方法。此外,我们还展示了我们的网络在超声前列腺分割上的应用,其中我们的方法比最先进的网络更好地识别前列腺区域。


贡献

  1. 首先,我们提出了一个具有全局引导块(GGB)的 CNN(表示为 GG-Net),在多层集成特征的指导下聚合空间和通道域中的非局部特征,以学习强大的非局部上下文信息。
  2. 其次,我们在浅层 CNN 层中开发了乳腺病变边界检测(BD)模块,以嵌入额外的乳腺病变边界图,以获得具有高质量边界的分割结果。
  3. 第三,两个超声乳腺病变数据集的实验结果表明,我们的网络在乳腺病变分割方面优于最先进的医学图像分割方法。
  4. 此外,我们还展示了我们的网络在超声前列腺分割上的应用,我们的网络获得了令人满意的性能。

方法

整体框架

在这里插入图片描述

是2021年的文章,那个时候还不流行将SA嵌入到模型中。因此文章更多的创新点还是落在了增加模型感受野(ASPP)、使用注意力机制(通道注意力和空间注意力)、使用深监督(多层边界监督)

1. Global Guidance Block

在这里插入图片描述

1. 网络的特征提取部分是ResNext,然后将四个层的特征图通过1×1卷积核上下采样都变为2-th层的特征图大小,通道数为1
2. 将四个特征通道上拼接传到瓶颈层,与瓶颈层输出模块一起传入到GG-Block中进行特征指导
3. 先采用空间维度上的指导,再经过通道维度上的指导

2. Spatial-wise Global Guidance Block

在这里插入图片描述
1. 输入是两个特征,使用常规的通道变化,尺寸变换,激活函数,得到空间权重
2. 将权重与输入的X相乘进行指导,最后在加上一个残差

3. Channel-wise Global Guidance Block

在这里插入图片描述
1. 传入的是经过空间指导模块后的Y,也是通过通道变化,尺寸变化,激活函数得到通道权重
2. 然后将相关特征进行点乘,最后将特征进行残差相加

4. Breast Lesion Boundary Detection Module

在这里插入图片描述
1. 将模型中间每层的结果输出,通过与最大池化结果做差得到边界图象,将边界和输出结果相加得到分割图象,两者同时进行深度监督
2. 刚开始认为仅仅只有边界的监督,后来才发现还有分割结果的监督

实验

使用了BCE和Dice构架深度监督损失函数,略微复杂,详情可见论文;
使用两个超声乳腺数据集,一个BUSI,一个私有数据集;

1. 对比实验

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
1. 表4可以发现,GG-Net相较于UNet在Dice上提升了9%,相较于次优提升了1.5%
2. 表5可以发现,GG-Net相较于UNet在Dice上提升了8.8%,相较于次优也提升了1.5%
3. 表5是不加Normal的分割结果(我们一般也会用这个数据集),表6是添加了Normal病例的分割结果,可以发现结果相差较大,文章中是通过介绍说GG-Net在两个数据集上都达到了最优值来进行说明的

2. 消融实验

2.1 Ablation Analysis of our GG-Net

在这里插入图片描述
1. 从Dice结果上看,在仅引入传统空间注意力和通道注意力,相较于Baseline都有着很大的提升,平均提升2.9%;
2. 在1的基础上加上Guidance的提升效果不明显,只是分别提升了0.5%和0.9%
3. 将所有的组件都增加上,效果提升是没有单个组件增加的大,这个也是我们经常会遇到的问题

2.2 Ablation Analysis of our BD-Module

在这里插入图片描述

在这里插入图片描述

1. 表2中显示,将BD引入网络效果提升不是太多
2. 表3中是将BD中对乳腺病变区域边界的监督去掉的结果,可以发现边界监督的加入在Dice上提升了0.5%左右
在这里插入图片描述可视化结果显示效果很好,特别是对边界的感知较为准确,将误分割的区域都剔除掉了

可借鉴参考

暂无,可能就是行文思路和代码可以学习借鉴一下

这篇关于GG-Net: 超声图像中乳腺病变分割的全局指导网络的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/178643

相关文章

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

Python如何将大TXT文件分割成4KB小文件

《Python如何将大TXT文件分割成4KB小文件》处理大文本文件是程序员经常遇到的挑战,特别是当我们需要把一个几百MB甚至几个GB的TXT文件分割成小块时,下面我们来聊聊如何用Python自动完成这... 目录为什么需要分割TXT文件基础版:按行分割进阶版:精确控制文件大小完美解决方案:支持UTF-8编码

OpenCV图像形态学的实现

《OpenCV图像形态学的实现》本文主要介绍了OpenCV图像形态学的实现,包括腐蚀、膨胀、开运算、闭运算、梯度运算、顶帽运算和黑帽运算,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起... 目录一、图像形态学简介二、腐蚀(Erosion)1. 原理2. OpenCV 实现三、膨胀China编程(

Linux系统配置NAT网络模式的详细步骤(附图文)

《Linux系统配置NAT网络模式的详细步骤(附图文)》本文详细指导如何在VMware环境下配置NAT网络模式,包括设置主机和虚拟机的IP地址、网关,以及针对Linux和Windows系统的具体步骤,... 目录一、配置NAT网络模式二、设置虚拟机交换机网关2.1 打开虚拟机2.2 管理员授权2.3 设置子

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

SpringBoot使用OkHttp完成高效网络请求详解

《SpringBoot使用OkHttp完成高效网络请求详解》OkHttp是一个高效的HTTP客户端,支持同步和异步请求,且具备自动处理cookie、缓存和连接池等高级功能,下面我们来看看SpringB... 目录一、OkHttp 简介二、在 Spring Boot 中集成 OkHttp三、封装 OkHttp

Linux系统之主机网络配置方式

《Linux系统之主机网络配置方式》:本文主要介绍Linux系统之主机网络配置方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、查看主机的网络参数1、查看主机名2、查看IP地址3、查看网关4、查看DNS二、配置网卡1、修改网卡配置文件2、nmcli工具【通用

C++字符串提取和分割的多种方法

《C++字符串提取和分割的多种方法》在C++编程中,字符串处理是一个常见的任务,尤其是在需要从字符串中提取特定数据时,本文将详细探讨如何使用C++标准库中的工具来提取和分割字符串,并分析不同方法的适用... 目录1. 字符串提取的基本方法1.1 使用 std::istringstream 和 >> 操作符示

使用Python高效获取网络数据的操作指南

《使用Python高效获取网络数据的操作指南》网络爬虫是一种自动化程序,用于访问和提取网站上的数据,Python是进行网络爬虫开发的理想语言,拥有丰富的库和工具,使得编写和维护爬虫变得简单高效,本文将... 目录网络爬虫的基本概念常用库介绍安装库Requests和BeautifulSoup爬虫开发发送请求解