基于U-Net改进的多尺度融合超声神经分割算法研究

摘要：

大量传统的颈部超声神经检测算法,检测敏感性低,假阳性数量大,低层特征利用率不足.而颈部超声图像数量较少,边缘模糊且对噪声敏感.对此,提出一种改进型U-Net分支融合算法:改进损失函数,获得高质量的候选样本;使用多尺度卷积结构替换原结构中普通卷积层,增强特征提取能力;结合扩张卷积替换中、深层池化操作,提高低层特征利用率.通过对比实验验证了所提算法的算法性能.实验表明,与传统的U-Net和SegNet卷积网络对于小尺寸超声神经分割的结果相比,所提算法的分割效果较两者分别提升了近9％和17％,且对于正常尺寸和小尺寸的神经分割均有较高的分割精度.

关键词：颈部超声图像神经检测、多尺度、加权损失函数、卷积神经网络

所属期刊栏目：44

分类号：R445.1(诊断学)

资助基金：国家重点研发计划;国家重点研发计划;国家自然科学基金;上海市科技创新行动计划;上海现代光学系统重点实验室项目

在线出版日期：2022-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1676-1685