目的超聲檢查是診斷甲狀腺疾病的主要影像學(xué)方法之一,但由于超聲圖像中斑點強度具有隨機(jī)性、組織器官復(fù)雜等問題,導(dǎo)致甲狀腺在不同數(shù)據(jù)源間的形態(tài)、大小和紋理差異性較大,容易導(dǎo)致觀察者視覺疲勞。針對甲狀腺超聲成像存在斑點強度隨機(jī)性以及周邊組織復(fù)雜性的問題,為了更準(zhǔn)確地描述出器官與病理性病變的解剖邊界,提出一種基于頻域增強和局部注意力機(jī)制的甲狀腺超聲分割網(wǎng)絡(luò)。方法針對原始數(shù)據(jù)采用高低通濾波器獲取高低頻段的圖像信息,整合高頻段細(xì)節(jié)特征與低頻段邊緣特征,增強圖像前背景的對比度,降低圖像間的差異性。根據(jù)卷積網(wǎng)絡(luò)中網(wǎng)絡(luò)深度所提取特征信息量的不同,采用局部注意力機(jī)制對高低維特征信息進(jìn)行自適應(yīng)激活,增強低維特征的細(xì)節(jié)信息,弱化對非目標(biāo)區(qū)域的關(guān)注,增強高維特征的全局信息,弱化冗余信息對網(wǎng)絡(luò)的干擾,增強前背景分類以及對非顯著性目標(biāo)檢測的能力。采用金字塔級聯(lián)空洞卷積獲取不同感受野的特征信息,解決數(shù)據(jù)源間圖像差異較大的問題。結(jié)果實驗結(jié)果表明,本文方法在11～16 MHz時采集的16個手繪甲狀腺超聲公開數(shù)據(jù)集中,通過10折交叉驗證顯示準(zhǔn)確率為0.989,召回率為0.849,精準(zhǔn)率為0.940,Dice系數(shù)為0.812,... 

【文章來源】：中國圖象圖形學(xué)報. 2020,25(10)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

網(wǎng)絡(luò)結(jié)構(gòu)圖

原始超聲與增強超聲圖像對比

由于超聲甲狀腺圖像周邊的組織復(fù)雜,可能導(dǎo)致周邊組織較為顯著地影響甲狀腺分割效果。因此,需較好地劃分前背景信息,并增強方法的非顯著性目標(biāo)檢測能力。解碼器將高維全局上下文語義特征信息逐步還原細(xì)節(jié)紋理及邊緣信息,在此過程中采用跳層連接引導(dǎo)編碼器特征還原細(xì)節(jié)信息,但在編碼器中其不同深度的特征對于圖像內(nèi)容的抽象程度不同,對于網(wǎng)絡(luò)前幾層而言,其更多地獲取圖像的邊界紋理信息(Qin等,2020)。如果跳層連接只是簡單的特征拼接或特征相加來合并高級語義信息和低級的細(xì)節(jié)信息,會傳遞嘈雜的信息降低分割效果,因此高低層特征之間應(yīng)在保留自身的情況下進(jìn)行互相細(xì)化。隨著網(wǎng)絡(luò)層數(shù)的加深(Zhao和Wu,2019),特征的尺寸逐步縮小,通道數(shù)逐步疊加,由低級演化成高級,其低維度特征更多是空間信息,包含圖像的紋理及空間位置信息。高維度特征更多是語義信息,包含全局圖像的內(nèi)在含義。因此,對于低維度特征,需篩查過濾特征中無關(guān)區(qū)域的紋理信息,通過引入空間注意力機(jī)制,關(guān)注各個特征所提取出的感興趣區(qū)域,通過與真實框的對比,響應(yīng)激活目標(biāo)區(qū)域的特征區(qū)域,弱化其他非目標(biāo)區(qū)域(顯著性的干擾區(qū)域),從而增強圖像的對于目標(biāo)區(qū)域的特征提取。高維度特征包含的主要是圖像語義信息,通過引入通道注意力機(jī)制,關(guān)注各個特征層間的關(guān)聯(lián)性,即通過響應(yīng)圖像的全局信息,對其高維度特征進(jìn)行激活響應(yīng),從語義的角度,加強網(wǎng)絡(luò)對于圖像目標(biāo)的分類判斷,降低相似性組織的干擾。因此,本文設(shè)計局部注意力模塊,就其高低維度特征采用不同的注意力機(jī)制進(jìn)行響應(yīng)激活映射,在降低網(wǎng)絡(luò)參數(shù)的同時,盡可能獲取更為有效的特征信息,便于后期解碼模塊對于圖像特征還原細(xì)節(jié)時,降低其他顯著性特征的干擾。圖5 級聯(lián)多尺度空洞卷積金字塔結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]面向多尺度目標(biāo)檢測的改進(jìn)Faster R-CNN算法[J]. 李曉光,付陳平,李曉莉,王章輝.  計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2019(07)
[2]融合深度網(wǎng)絡(luò)和淺層紋理特征的甲狀腺結(jié)節(jié)癌變超聲圖像診斷[J]. 遲劍寧,于曉升,張藝菲.  中國圖象圖形學(xué)報. 2018(10)
[3]基于CT圖像統(tǒng)計紋理特征的甲狀腺結(jié)節(jié)識別技術(shù)[J]. 彭文獻(xiàn),劉晨彬,夏順仁,陳益紅,劉蕊.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2017(04)
[4]Segmentation of Tumor Ultrasound Image via Region-Based Ncut Method[J]. QUAN Long,ZHANG Dong,YANG Yan,LIU Yu,QIN Qianqing.  Wuhan University Journal of Natural Sciences. 2013(04)



本文編號：3390993