PDPNet：一種漸進式雙先驗網絡，可以來從動態(tài)增強的圖像中分割乳腺腫瘤，性能表現SOTA！并提高了模型的泛化能力，單位：貴州大學, 哈醫(yī)大腫瘤醫(yī)院, 貴州省人民醫(yī)院?

為了提高乳腺腫瘤分割模型的泛化能力，以及提高對較小尺寸、低對比度和不規(guī)則形狀的乳腺腫瘤的分割性能，我們提出了一種漸進式雙先驗網絡（PDPNet）來從動態(tài)增強的圖像中分割乳腺腫瘤。 在不同部位采集的磁共振圖像（DCE-MRI）。 PDPNet 首先使用基于粗分割的定位模塊裁剪腫瘤區(qū)域，然后利用弱語義先驗和跨尺度相關先驗知識逐步細化乳腺腫瘤掩模。 為了驗證 PDPNet 的有效性，我們將其與多中心數據集上的幾種最先進的方法進行了比較。 結果表明，與次優(yōu)方法相比，PDPNet的DSC、SEN、KAPPA和HD95分別提高了3.63%、8.19%、5.52%和3.66%。 此外，通過消融，我們證明了所提出的定位模塊可以減少正常組織的影響，從而提高模型的泛化能力。 弱語義先驗允許關注腫瘤區(qū)域，以避免遺漏小腫瘤和低對比度腫瘤。 跨尺度相關先驗有利于提高不規(guī)則腫瘤的形狀感知能力。 因此將它們集成在一個統(tǒng)一的框架中提高了多中心乳腺腫瘤分割的性能。

論文地址：https://arxiv.org/abs/2310.13574

更多論文創(chuàng)新點加微信群：Lh1141755859

公眾號：CV算法小屋?