基于改进U-net++的超声图像结直肠子宫内膜异位区域检测

郭移洁; 叶萍; 孙京文; 石思远; 石盼; 常兆华

doi:10.13741/j.cnki.11-1879/o4.2022.05.014

您当前的位置：

首页 >

文章列表页 >

基于改进U-net++的超声图像结直肠子宫内膜异位区域检测

光学图像处理与识别 | 更新时间：2025-09-01

- 基于改进U-net++的超声图像结直肠子宫内膜异位区域检测
- Improved U-net++ Network for detection of intestinal endometriosis based on ultrasound image
- 光学技术 2022年48卷第5期页码：627-633
- 作者机构：
  
  1. 1:上海理工大学健康科学与工程学院
  2. 2:上海微创卜算子医疗科技有限公司
  3. 3:同济大学浙江学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2022.05.014
  中图分类号： R711.71;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
郭移洁, 叶萍, 孙京文, 等. 基于改进U-net++的超声图像结直肠子宫内膜异位区域检测[J]. 光学技术, 2022,48(5):627-633.

Improved U-net++ Network for detection of intestinal endometriosis based on ultrasound image[J]. 2022, 48(5): 627-633.
郭移洁, 叶萍, 孙京文, 等. 基于改进U-net++的超声图像结直肠子宫内膜异位区域检测[J]. 光学技术, 2022,48(5):627-633. DOI： 10.13741/j.cnki.11-1879/o4.2022.05.014.

Improved U-net++ Network for detection of intestinal endometriosis based on ultrasound image[J]. 2022, 48(5): 627-633. DOI： 10.13741/j.cnki.11-1879/o4.2022.05.014.

摘要

探究基于改进U-net++网络以及增加多通道特征融合的方法，实现准确高效的超声图像结直肠子宫内膜异位区域自动检测。所提神经网络在U-net++为原型的分割网络上进行改进，采用端到端的结构，输入超声图像和其边缘提取图像，输出结直肠子宫内膜异位区域检测结果。实验数据来自深圳市人民医院的166例结直肠子宫内膜异位患者的超声内镜图像，随机选择133例作为训练样本，33例测试样本。在网络训练过程中，采用十折交叉验证法进行验证。结果说明：在33例测试集样本上，方法最终的平均检出率、精确率、召回率分别为90.9%、72.4%、89.8%。改进神经网络以及多通道特征融合输入的方式可自动检测结直肠子宫内膜异位区域，且检测鲁棒性及精度较高，可作为参考辅助医生进行临床决策和干预。

Abstract

关键词

Keywords

references

浏览量

119

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

深浅交错式特征融合的人体图像分割方法

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于3D全卷积神经网络的肺叶自动分割方法

利用双流卷积神经网络的人脸表情识别方法

基于移动机器人和单目视觉的姿态测量方法