基于U-Net改进的多尺度融合超声神经分割算法研究

作     者：张克双 邬春学 张生 林晓 ZHANG Ke-shuang;WU Chun-xue;ZHANG Sheng;LIN Xiao

作者机构：上海理工大学光电信息与计算机工程学院上海200093 上海师范大学信息与机电工程学院上海200030 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2022年第44卷第9期

页      面：1676-1685页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 10[医学] 

基　　金：国家重点研发计划(2018YFC0810204,2018YFB17026) 国家自然科学基金(61872242) 上海市科技创新行动计划(19511105103) 上海现代光学系统重点实验室项目 

主　　题：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 

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。