條件GAN (cGAN) Atrous卷積(AC) 帶有權重塊的通道注意力(CAW)。
論文提出了一種基於深度對抗學習的超音波影像乳腺腫瘤分割分類方法(cGAN AC CAW),論文雖然是2019年提出的,但他提出了使用GAN進行分割的方法在當時來說卻是一個非常新奇的想法,該論文基本上把所有當時能夠整合的技術全部進行了集成,並且還取得了很好的效果,所以是非常值得我們一讀的,此外論文還提出了具有典型對抗損失的SSIM和l1範數損失作為損失函數。
使用cGAN AC CAW 進行語意分割
#產生器G
生成器網路包含一個編碼器部分:由七個卷積層(En1到En7)和一個解碼器:七個反捲積層(Dn1到Dn7)組成。
在En3和En4之間插入一個atrous卷積塊。膨脹率1、6和9,內核大小3×3,步長2。
在En7和Dn1之間還有一個帶有通道加權(CAW)區塊的通道注意力層。
CAW區塊是通道注意模組(DAN)和通道加權區塊(SENet)的集合,它增加了生成器網路最高層級特徵的表示能力。
鑑別器D
它是一個卷積層的序列。
鑑別器的輸入是影像和標記腫瘤區域的二值遮罩的拼接。
鑑別器的輸出是一個10×10矩陣,其值從0.0(完全假的)到1.0(真實的)不等。
損失函數
生成器G的損失函數包括三個項:對抗性損失(二元交叉熵損失)、促進學習過程的l1 -範數和改善分割掩碼邊界形狀的SSIM損失:
其中z是隨機變數。鑑別器D的損失函數為:
使用隨機森林進行分類任務
將每一張圖像輸入經過訓練的生成網絡,獲得腫瘤邊界,然後從該邊界計算13個統計特徵: fractal dimension, lacunarity, convex hull, convexity, circularity, area, perimeter, centroid, minor and major axis length, smoothness, Hu moments (6) and central moments (order 3 and below)
採用窮舉特徵選擇(Exhaustive feature selection),演算法來選擇最優的特徵集。 EFS演算法表明, fractal dimension, lacunarity, convex hull, centroid是最優的4個特徵。
這些選擇的特徵被輸入到一個隨機森林分類器,然後訓練該分類器來區分良性和惡性腫瘤。
結果對比
分割
資料集包含影像中包含的150個惡性腫瘤和100個良性腫瘤。為了訓練的模型,將資料集隨機分為訓練集(70%)、驗證集(10%)和測試集(20%)。
該模型(cGAN AC CAW)在所有指標上都優於其他模型。其Dice和IoU得分分別為93.76%和88.82%。
論文模型的IoU和Dice與FCN、SegNet、ERFNet和U-Net等分割頭的箱線圖比較。
此模型對Dice係數的取值範圍為88% ~ 94%,對IoU的取值範圍為80% ~ 89%,而其他深度分割方法FCN 、SegNet、ERFNet和U-Net的取值範圍較大。
分割結果如上圖所示,SegNet和ERFNet產生的結果最差,有大量的假陰性區域(紅色),以及一些假陽性區域(綠色)。
而U-Net, DCGAN, cGAN提供了很好的分割,論文提出的模型提供了更精確的乳腺腫瘤邊界分割。
分類
所提出的乳房腫瘤分類方法優於[9],總準確率達85%。
以上是論文推薦:基於深度對抗學習的超音波影像乳房腫瘤分割與分類的詳細內容。更多資訊請關注PHP中文網其他相關文章!

Openai推出了由GPT-40提供動力的新圖像生成器後,這種病毒熱潮立即吸引了渴望實驗的用戶。創建自己或其他任何人的玩具版本(包括寵物,是的),類似地工作:uplo

許多企業主圍坐在等待永遠不會到達的邀請,因為獲得播客面試需要策略和一致的行動。今天採取行動。 這些提示將使您成為完美的客人,並降落這些職業

幸運的是,這是一個生成AI的領域,可以非常有幫助。不,它不會帶來萬無一失的策略。但這可以幫助您集思廣益,研究市場以及微調營銷內容和消息傳遞。 不是

只有今年只有不同。不確定。 關稅戰爭正在進行中,這不僅僅是事實。 AI是最近抓撓和靈魂搜索的根本原因。國家青年慈善機構最近對

加速主義者的願景:全速前進 有效的加速度,即短期內被稱為E/ACC,在2022年左右出現,是一種技術優越的運動,在矽谷及其他地區的核心中獲得了巨大的吸引力,其核心,E/ACC提倡快速,

介紹 我最初的電子表格經歷令人沮喪,因為複制時公式的行為不可預測。 那時我不了解細胞引用,但是掌握親戚,絕對和混合的參考文獻徹底改變了我的廣播。

本文演示瞭如何使用Word2Vec嵌入生成有效的電子郵件主題行。 它可以指導您建立一個利用語義相似性來創建上下文相關主題行,改善電子郵件營銷的系統

數據分析:導航不斷發展的景觀 想像一個世界,數據不僅是數字,而且是每個管理決定的基石。 在這個動態的環境中,數據分析師是必不可少的,將原始數據轉換為可操作的


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

SAP NetWeaver Server Adapter for Eclipse
將Eclipse與SAP NetWeaver應用伺服器整合。

Dreamweaver CS6
視覺化網頁開發工具

禪工作室 13.0.1
強大的PHP整合開發環境

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能

MinGW - Minimalist GNU for Windows
這個專案正在遷移到osdn.net/projects/mingw的過程中,你可以繼續在那裡關注我們。 MinGW:GNU編譯器集合(GCC)的本機Windows移植版本,可自由分發的導入函式庫和用於建置本機Windows應用程式的頭檔;包括對MSVC執行時間的擴展,以支援C99功能。 MinGW的所有軟體都可以在64位元Windows平台上運作。