深度学习：乳腺论文：AUNet肿块分割Whole Mammograms

论文：AUNET：整个乳房X线照片的乳房肿块分割(AUNet: Breast Mass Segmentation of Whole Mammograms

AUNET：整个乳房X线照片的乳房肿块分割(AUNet: Breast Mass Segmentation of Whole Mammograms)基于深度学习的分割最近在自然和医学图像处理中得到了快速发展。然而，由于低信噪比和各种质量形状和尺寸，其在乳房X线照相术分割中的应用仍然是一项具有挑战性的任务。在这项研究中，我们提出了一个新的网络，AUNET，用于乳房肿块分割。与需要提取质量中心图像块的大多数方法不同，AUNet可以直接处理整个乳房X线照片。此外，它为传统的编码器 - 解码器分段架构引入了非对称结构，并提出了一种新的上采样块，即注意（AU）块。特别是，AUblock设计有三个优点。首先，它通过密集上采样来补偿双线性上采样的信息损失。其次，它设计了一种更有效的融合高级和低级特征的方法。第三，它包括achannel-attention功能，以突出丰富的信息渠道。我们在两个公开可用的数据集CBIS-DDSM和INbreast上评估了所提出的方法。与现有的三个完全卷积网络相比，AUNet达到了最佳性能，其中CBIS-DDSM的平均Dice相似系数为81.8％，INbreast的平均Dice相似系数为79.1％