基于Deep Feature Flow的ABUS视频快速分割算法设计与实现

发布时间：2024-01-30 03:52

　　乳腺癌是威胁女性健康的第一大疾病。ABUS(Automated Breast Ultrasound)作为全自动扫描的乳腺癌检测机器,减少了扫描的主观性,但给医生带来了严重的阅片负担,ABUS机器扫描一个病人产生6-10个视频,每个视频有3300帧图像,为了实现对每个视频的秒级的诊断,利用计算机辅助诊断技术帮助医生在ABUS视频中快速精准定位肿瘤对医生的后续诊断具有重大的参考意义。目前已经有很多的计算机技术集中于ABUS的冠状面研究,然而横断面是ABUS机器中最原始的数据信息,但横断面视频中的信息比较复杂,图像噪声较多,并且肿瘤占据图像的比例较小,因此对横断面的肿瘤分割是一个巨大的挑战。本文提出了DFFGA(Deep Feature Flow of group convolution of attention mechanism)模型,对100个ABUS的横断面视频进行了快速精准地肿瘤分割,DFFGA以Deep Feature Flow网络为基础模型,进行了三个方面的改进:(1)针对Deep Feature Flow需要人为设定关键帧的问题,本文设计了关键帧选取网络。实现了自适应关键帧的...

【文章页数】：63 页

【学位级别】：硕士

图1-1本文的组织结构

图2-1感知机

图2-2常用的激活函数深度CNN的发展源自于AlexNet[33]

图2-3InceptionV1结构

本文编号：3889445