联合超声甲状腺结节分割与分类的多任务方法研究
针对超声图像中甲状腺结节多尺度、结节边缘模糊、良恶分类不平衡问题,提出一种联合超声甲状腺结节分割与分类的多任务方法.以全卷积网络作为主干共享网络,将提取到的浅层特征共享给多任务分支网络,在分割网络分支中,先加入深层卷积块,获取分割分支深层特征,再对深层特征进行上采样.本文提出一种改进卷积注意力模块的多尺度卷积注意力模块,将上采样结果与主干共享网络每个特征提取阶段经过带有多尺度卷积注意力模块跳跃连接后的特征张量进行拼接,减少结节边缘模糊问题,提高分割性能.同时将多尺度卷积注意力模块融入到分类分支中,优化分类性能.实验结果表明:本文所提多任务方法能有效提升分割和分类的精度,较单任务深度学习网络具有更优的分割与分类性能,能有效处理甲状腺结节多尺度、结节边缘模糊的问题,降低良恶分类不平衡带来的影响.
深度学习、多任务学习、甲状腺结节超声图像、图像分割、图像分类、深层卷积块、多尺度卷积注意力模块、残差结构
18
TP391(计算技术、计算机技术)
国家自然科学基金;黑龙江省青年科学基金项目;广东省教育厅青年创新人才类项目;广东省教育厅普通高校特色创新项目;广东省普通高校创新团队项目
2023-08-28(万方平台首次上网日期,不代表论文的发表时间)
共11页
764-774