吉林大学学报(信息科学版) ›› 2023, Vol. 41 ›› Issue (1): 84-92.
李晓峰1 , 王妍玮2 , 卫 晋3
LI Xiaofeng 1 , WANG Yanwei 2 , WEI Jin 3
摘要: 针对传统乳腺超声影像分割算法存在准确率低、 精度低且耗时长等问题, 提出基于深度学习的三维乳腺超声影像自适应分割算法。 首先预处理图像, 采用深度多示例学习方法检测病变图像块, 删除正常图像块。然后对乳腺超声影像数据集扩增处理, 用于神经网络训练。 其次构建残差卷积神经网络模型, 设计残差学习单元, 结合扩增数据集形成特征映射, 采用 softmax 函数训练网络并进行特征块判断, 并结合阈值设置实现三维乳腺超声影像自适应分割。 实验结果表明, 该算法能更细致地完成图像分割, 算法平均运行耗时为52. 3 s, 图像分割精度为 95. 5% , 且 F1 分数值高, 整体性能佳, 为卷积神经网络分割应用提供参考。
中图分类号: