基于多层融合注意力的乳腺肿瘤图像分割方法

来源：计算机技术与发展杂志2023年第07期北京时间：

作者：王宇昕;';付晓薇;';赵思宇;';陈芳

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 智能信息处理与实时工业系统湖北省重点实验室,湖北 武汉 430065;3. 武汉科技大学校医院超声影像科,湖北 武汉 430065

摘要：针对超声乳腺肿瘤图像中存在的高散斑噪声较多、肿瘤边缘模糊以及形状复杂多样等问题,提出了一种基于多层融合注意力的超声乳腺肿瘤图像分割方法。 首先,在保持 U-Net 编-解码结构的基础上,采用经过预训练的 ResNet-34 模型,用于在编码部分提取更深层次的特征;然后,在跳跃连接部分对相邻的浅层特征与深层特征分别进行空间与通道维度上的增强;其次,将经过注意力增强后的不同层次特征进行融合,重点关注肿瘤区域的位置,以避免散斑噪声干扰下的错误分割;最后,利用普通卷积层进行特征还原,得到分割结果。实验结果表明,所提方法对噪声干扰较大的超声乳腺肿瘤图像鲁棒性更强,Dice 系数、IoU　Recall 和 Precision 分别能够达到 0. 852 2、0. 768 2、0. 877 3 和 0. 863 0。 同时,所提方法在模型复杂度上也有较好的表现,较对比方法具有更优的分割性能。

关键词：超声乳腺图像;肿瘤分割;U-Net;卷积神经网络;注意力机制