NU-net: An Unpretentious Nested U-net for Breast Tumor Segmentation

要約

乳房腫瘍のセグメンテーションは、腫瘍領域の特徴付けとローカライズに役立つ重要なステップの 1 つです。
ただし、さまざまな腫瘍の形態、ぼやけた境界、および同様の強度分布は、乳房腫瘍の正確なセグメンテーションに課題をもたらします。
最近、多くの U-net バリアントが提案され、乳房腫瘍のセグメンテーションに広く使用されています。
ただし、これらのアーキテクチャには 2 つの制限があります。(1) ベンチマーク ネットワークの特徴付け機能を無視すること、および (2) 余分な複雑な操作を導入すると、ネットワークの理解と再現が難しくなります。
これらの課題を軽減するために、この論文では、乳房腫瘍の正確なセグメンテーションのためのシンプルでありながら強力なネストされた U-net (NU-net) を提案します。
重要なアイデアは、さまざまな深さと重みを共有する U-Net を利用して、乳房腫瘍の堅牢な特性評価を実現することです。
NU-net には、主に次のような利点があります。(1) さまざまな規模の乳房腫瘍に対するネットワークの適応性と堅牢性が向上する、(2) この方法は再現と実行が容易である、(3) 追加の操作により、計算量を大幅に増加させることなくネットワーク パラメータが増加する
料金。
3 つの公開乳房超音波データセットに対する 12 の最先端のセグメンテーション方法による広範な実験結果は、NU-net が乳房腫瘍に対してより競争力のあるセグメンテーション パフォーマンスを発揮することを示しています。
さらに、NU-net の堅牢性は、腎臓の超音波画像のセグメンテーションでさらに説明されています。
ソース コードは、https://github.com/CGPzy/NU-net で公開されています。

要約(オリジナル)

Breast tumor segmentation is one of the key steps that helps us characterize and localize tumor regions. However, variable tumor morphology, blurred boundary, and similar intensity distributions bring challenges for accurate segmentation of breast tumors. Recently, many U-net variants have been proposed and widely used for breast tumors segmentation. However, these architectures suffer from two limitations: (1) Ignoring the characterize ability of the benchmark networks, and (2) Introducing extra complex operations increases the difficulty of understanding and reproducing the network. To alleviate these challenges, this paper proposes a simple yet powerful nested U-net (NU-net) for accurate segmentation of breast tumors. The key idea is to utilize U-Nets with different depths and shared weights to achieve robust characterization of breast tumors. NU-net mainly has the following advantages: (1) Improving network adaptability and robustness to breast tumors with different scales, (2) This method is easy to reproduce and execute, and (3) The extra operations increase network parameters without significantly increasing computational cost. Extensive experimental results with twelve state-of-the-art segmentation methods on three public breast ultrasound datasets demonstrate that NU-net has more competitive segmentation performance on breast tumors. Furthermore, the robustness of NU-net is further illustrated on the segmentation of renal ultrasound images. The source code is publicly available on https://github.com/CGPzy/NU-net.

arxiv情報

著者 Gong-Ping Chen,Lei Li,Yu Dai,Jian-Xun Zhang
発行日 2022-11-11 11:48:29+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.LG, eess.IV パーマリンク