清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Boundary-oriented Network for Automatic Breast Tumor Segmentation in Ultrasound Images

雅卡索引 分割 人工智能 计算机科学 乳腺超声检查 模式识别(心理学) 特征(语言学) 乳腺癌 特征提取 乳腺摄影术 计算机视觉 医学 癌症 语言学 哲学 内科学
作者
Mengmeng Zhang,Aibin Huang,Debiao Yang,Rui Xu
出处
期刊:Ultrasonic Imaging [SAGE]
卷期号:45 (2): 62-73 被引量:7
标识
DOI:10.1177/01617346231162925
摘要

Breast cancer is considered as the most prevalent cancer. Using ultrasound images is a momentous clinical diagnosis method to locate breast tumors. However, accurate segmentation of breast tumors remains an open problem due to ultrasound artifacts, low contrast, and complicated tumor shapes in ultrasound images. To address this issue, we proposed a boundary-oriented network (BO-Net) for boosting breast tumor segmentation in ultrasound images. The BO-Net boosts tumor segmentation performance from two perspectives. Firstly, a boundary-oriented module (BOM) was designed to capture the weak boundaries of breast tumors by learning additional breast tumor boundary maps. Second, we focus on enhanced feature extraction, which takes advantage of the Atrous Spatial Pyramid Pooling (ASPP) module and Squeeze-and-Excitation (SE) block to obtain multi-scale and efficient feature information. We evaluate our network on two public datasets: Dataset B and BUSI. For the Dataset B, our network achieves 0.8685 in Dice, 0.7846 in Jaccard, 0.8604 in Precision, 0.9078 in Recall, and 0.9928 in Specificity. For the BUSI dataset, our network achieves 0.7954 in Dice, 0.7033 in Jaccard, 0.8275 in Precision, 0.8251 in Recall, and 0.9814 in Specificity. Experimental results show that BO-Net outperforms the state-of-the-art segmentation methods for breast tumor segmentation in ultrasound images. It demonstrates that focusing on boundary and feature enhancement creates more efficient and robust breast tumor segmentation.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
3秒前
宸浅完成签到 ,获得积分10
4秒前
彩色的芷容完成签到 ,获得积分10
7秒前
10秒前
光亮若翠完成签到,获得积分10
14秒前
CATH完成签到 ,获得积分10
21秒前
zsmj23完成签到 ,获得积分0
27秒前
27秒前
喜悦的飞飞完成签到 ,获得积分10
34秒前
35秒前
doreen完成签到 ,获得积分10
38秒前
guan发布了新的文献求助10
40秒前
林利芳完成签到 ,获得积分10
56秒前
lin完成签到 ,获得积分10
1分钟前
zhouleiwang完成签到,获得积分10
1分钟前
zhang完成签到 ,获得积分10
1分钟前
陆黑暗完成签到 ,获得积分10
1分钟前
Regina完成签到 ,获得积分10
2分钟前
蓝天小小鹰完成签到 ,获得积分10
2分钟前
纪外绣完成签到,获得积分10
2分钟前
烟花应助科研通管家采纳,获得10
2分钟前
格格完成签到 ,获得积分10
2分钟前
ww完成签到,获得积分10
2分钟前
Raul完成签到 ,获得积分10
3分钟前
合适醉蝶完成签到 ,获得积分10
3分钟前
王磊完成签到 ,获得积分10
3分钟前
聪明的鹤完成签到 ,获得积分10
4分钟前
桐桐应助科研通管家采纳,获得10
4分钟前
勤恳的饭饭完成签到,获得积分10
4分钟前
ee_Liu完成签到,获得积分10
4分钟前
妙手回春板蓝根完成签到,获得积分20
5分钟前
CChi0923完成签到,获得积分10
5分钟前
乒坛巨人完成签到 ,获得积分10
5分钟前
Shandongdaxiu完成签到 ,获得积分10
5分钟前
舒服的幼荷完成签到,获得积分10
5分钟前
茶包完成签到,获得积分10
5分钟前
Skywings完成签到,获得积分10
5分钟前
明理问柳完成签到,获得积分10
6分钟前
vampire完成签到,获得积分10
6分钟前
斯文败类应助科研通管家采纳,获得10
6分钟前
高分求助中
中国国际图书贸易总公司40周年纪念文集 大事记1949-1987 2000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
草地生态学 880
Threaded Harmony: A Sustainable Approach to Fashion 799
Basic Modern Theory of Linear Complex Analytic 𝑞-Difference Equations 510
中国有机(类)肥料 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3059669
求助须知:如何正确求助?哪些是违规求助? 2715529
关于积分的说明 7445380
捐赠科研通 2361181
什么是DOI,文献DOI怎么找? 1251224
科研通“疑难数据库(出版商)”最低求助积分说明 607711
版权声明 596466