130.
乳腺超声图像中病变的边界具有不确定性且形态不一,原始U
2-Net存在参数量大的问题,对此提出一种结合模糊逻辑的轻量化改进U
2-Net乳腺超声病变分割方法SCF U
2-Net。利用模糊逻辑对特征图像素进行模糊化并计算不确定度值,与输入特征图相乘来降低图像的模糊性,有效解决了边界的不确定性问题。结合深度可分离卷积和扩张卷积,对残差U型模块(ReSidual U-blocks,RSU)进行改进,以减少模型参数量,提高分割效率。针对乳腺病变形态不一的问题,在解码阶段嵌入坐标注意力机制,加强感兴趣区域的信息提取能力,提高分割精度。经BUSI数据集测试,Dice和IoU分别为0.8975和0.8328,参数量降低了90%,推理速度是原来的1.9倍。与3种主流语义分割模型相比,所提算法的分割性能更优;与两种轻量化分割模型相比,在参数规模相当的情况下分割性能优势明显,具有良好的临床应用价值。… …
相似文献