基于MDL-U2-Net的盆底超声图像轻量级分割及参数测量

作     者：刘孝保 甘博敏 姚廷强 申吉泓 

作者机构：昆明理工大学机电工程学院 昆明医科大学第一附属医院 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2024年

核心收录：

学科分类：1002[医学-临床医学] 08[工学] 100211[医学-妇产科学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 10[医学] 

基　　金：国家自然科学基金目(82260297) 

主　　题：盆底超声图像 轻量化 复合损失函数 深度非对称通道混洗卷积模块 参数测量 

摘      要：对超声图像中盆底区域进行准确地分割， 是实现对盆底疾病计算机辅助诊断的重要环节. 针对盆底形态复杂、边界模糊、分割算法参数量庞大以及参数测量精度有限等问题， 提出一种轻量级语义分割网络MDL-U2-Net以及修补算法AC-F. 首先， 对基准U2-Net进行结构优化和通道数调整， 以有效地降低网络参数量; 其次， 融入复合损失函数以缓解训练损失波动并提升边界保持能力， 提高网络对模糊边界的分割准确性; 之后， 提出深度非对称多尺度混洗卷积模块捕获特征空间采样的位置偏移信息， 弥补轻量网络感受野不足和特征提取能力较弱的缺陷， 提高网络对盆底复杂形态的建模能力; 最后， 采用修补算法对分割盆底进行精细化填补， 以提高盆底完整性和参数测量的精度. 在自制数据集上的实验结果表明， MDL-U2-Net对盆底分割的Jaccard， Recall和HD95指标分别达到91.226%， 93.589%和1.074， 与基准U2-Net相比， 模型参数量缩减了94.37个百分点; 此外， 经AC-F算法处理后的区域面积测量百分误差降至1.25%， ICC达到0.998且有95%(76/80)的数据在95%LoA内， 能够实现轻量级分割和精确参数测量.