计算机工程与科学

作者：张克双, 邬春学, 张生, 林晓

单位：（1.上海理工大学光电信息与计算机工程学院，上海 200093；2.上海师范大学信息与机电工程学院，上海 200030）

关键词：颈部超声图像神经检测,多尺度,加权损失函数,卷积神经网络,

基金：国家重点研发计划(2018YFC0810204,2018YFB17026);国家自然科学基金（61872242）;上海市科技创新行动计划（19511105103）;上海现代光学系统重点实验室项目

大量传统的颈部超声神经检测算法，检测敏感性低，假阳性数量大，低层特征利用率不足。而颈部超声图像数量较少，边缘模糊且对噪声敏感。对此，提出一种改进型U-Net分支融合算法：改进损失函数，获得高质量的候选样本；使用多尺度卷积结构替换原结构中普通卷积层，增强特征提取能力；结合扩张卷积替换中、深层池化操作，提高低层特征利用率。通过对比实验验证了所提算法的算法性能。实验表明，与传统的U-Net和SegNet卷积网络对于小尺寸超声神经分割的结果相比，所提算法的分割效果较两者分别提升了近9%和17%，且对于正常尺寸和小尺寸的神经分割均有较高的分割精度。

来源：2022年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第9期