基于改进残差U-Net的乳腺肿块图像分割方法

摘要

针对乳腺钼靶图像中肿块体积小且常被致密组织掩盖导致肿块分割精度较低的问题,提出一种基于复合加权损失函数的U型对称残差语义分割模型SRes-Unet:首先将含有残差结构的卷积模块嵌入U型网络架构中,提升模型整体的特征提取能力;其次,为了解决乳腺图像中因背景较大造成像素类别严重不平衡问题,利用复合型wBCE_DiceLoss作为残差U型网络(SRes-Unet)的损失函数,同时辅以数据增广以减小过拟合风险.实验结果表明,所提分割模型对于乳腺肿块图像能够实现良好的分割效果,DSC值与MIoU值分别达到了 0.82和0.86,对比传统U-Net,在DSC和MIoU指标上分别提升了 2个百分点和4个百分点.