基于改进U-KAN的乳腺癌超声图像分割  

Breast cancer ultrasound image segmentation based on improved U-KAN

作　　者：汪慎文 王海滨 赵振峰 尚校 WANG Shenwen;WANG Haibin;ZHAO Zhenfeng;SHANG Xiao(School of Information Engineering,Hebei GEO University,Shijiazhuang 050031,China;Hebei Huiji Technology Co.,Ltd.Shijiazhuang 050030,China)

机构地区：[1]河北地质大学信息工程学院,河北石家庄050031 [2]河北汇汲科技发展有限公司,河北石家庄050030

出　　处：《南昌工程学院学报》2024年第6期7-13,共7页Journal of Nanchang Institute of Technology

基　　金：石家庄引进高层次人才创业启动资金项目(248790067A);河北省自然科学基金项目(H2024403001);河北省教育厅科学研究项目(BJK2024099)。

摘　　要：乳腺癌是最常见的恶性肿瘤。针对乳腺癌超声图像因边界模糊和形状、大小等多样导致的分割不精确的问题,提出了一种基于改进U-KAN的乳腺癌超声图像分割模型EAU-KAN。该模型通过整合高效多尺度注意力模块增强对图像细节的捕捉能力,引入空洞空间卷积池化金字塔模块以扩展网络的感受视野并丰富空间信息的表达。在BUSI数据集上的测试结果显示,EAU-KAN模型的交并比(IoU)达到了64.95%、Dice系数为77.48%,这证明了其在乳腺癌超声图像分割中的有效性。Breast cancer is the most common malignant tumor.To address the issue of inaccurate segmentation of breast cancer ultrasound images due to blurred boundaries and variations in shape and size,an Enhanced U-KAN(EAU-KAN)model for breast cancer ultrasound image segmentation is proposed.This model integrates anefficientmulti-scale attention module(EMA)to enhance its ability to capture image details,and introduces an atrous spatial pyramid pooling(ASPP)module to expand the network’s receptive field and enrich the representation of spatial information.Testing results on the BUSI dataset show that the EAU-KAN model achieves an Intersection over Union(IoU)of 64.95%and a Dice coefficient of 77.48%,demonstrating its effectiveness in breast cancer ultrasound image segmentation.

关 键 词：乳腺癌 深度学习 医学图像分割 注意力机制 空间金字塔池化 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]