基于优化U-Net网络的乳腺肿瘤区域分割方法

乳腺癌是发生在乳腺腺上皮组织的恶性肿瘤,防治的关键在于早发现、早诊断.乳腺肿瘤在超声图像中一般表现为低回声区,因此乳腺超声图像有斑点噪声多、边缘比较模糊、灰度不均匀等特性,造成了乳腺肿瘤分割难度增大的情况.针对以上情况,为了提高乳腺肿瘤超声图像分割的精度和效率,提出了一种基于优化U-Net网络的乳腺肿瘤区域分割新方法.采用高斯滤波预处理来减小噪声对超声图片的影响.受残差结构启发设计新的特征提取网络,既能获得更强的特征提取能力使得图边缘信息分割更加精细,还能减少梯度消失等问题.实验使用532幅超声图像和医生标注过的乳腺肿瘤区域掩码图像为原始数据集,验证该分割方法的性能.实验结果表明,该方法可以使肿瘤区域的分割结果更加精确,优于传统的分割模型,具有较大的临床应用前景.