乳腺癌超聲分割重大進展！武漢大學提出EMGANet：邊緣感知多尺度組混合注意力網路

2025-04-22 08:35 CVer

點選下方卡片，關注“CVer”公眾號

AI/CV重磅乾貨，第一時間送達
點選進入—>【醫學影像分割】投稿交流群

新增微訊號：CVer2233，小助手會拉你進群！
掃描下方二維碼，加入CVer學術星球！可以獲得最新頂會/頂刊上的論文idea和CV從入門到精通資料，及最前沿應用！發論文/搞科研/漲薪，強烈推薦！

EMGANet: Edge-Aware Multi-Scale Group-Mix Attention Network for Breast Cancer Ultrasound Image Segmentation          

論文（收錄JBHI 2025）: 
https://ieeexplore.ieee.org/document/10906450          
程式碼: github.com/huangjin520/EMGANet
動機：
乳腺癌是全球女性中最為普遍的惡性疾病之一，其早期診斷能大大提高病人的生存率。超聲成像因無創、低成本等優勢，成為臨床篩查乳腺癌的重要手段。傳統的深度學習方法在處理超聲影像時仍面臨一些挑戰，如模糊邊界和斑點噪聲。因此，我們提出了EMGANet，旨在透過融合深層特徵和邊緣特徵來提高超聲乳腺癌影像的分割精度。
本文貢獻：
1. 資料集：我們使用了兩個公開資料集（Dataset-B、BUSI）和一個私有資料集（BUSI-WHU），其中Dataset-B資料集包含163張乳腺超聲影像，其中110張為良性影像，53張為惡性影像；我們在BUSI資料集中選取了647張乳腺超聲影像，包括210張良性影像、437張惡性影像。 BUSI-WHU資料集包含927張乳腺超聲影像，其中560張為良性影像，367張為惡性影像。這三個資料集用於評估EMGANet在不同條件下的效能表現，尤其是處理模糊邊界和噪聲干擾的能力，有助於驗證EMGANet在實際應用中的有效性和可靠性。
2. EMGANet方法：我們提出了一個用於乳腺癌超聲影像分割的新方法EMGANet，透過有效提取並融合深層特徵與邊緣特徵，顯著提高了乳腺癌超聲影像的分割精度。
3. 效能提升：EMGANet在三個資料集上實現了最佳的分割效能。特別在模糊邊界，嚴重噪聲等極端情況下，依舊能定位病灶位置進行準確分割。          
BUSI-WHU 資料集特性
● 高質量標註：每張影像的腫瘤區域由兩位經驗豐富的放射科醫生獨立標註，並由一位專家進行稽核，確保了標註的高度準確性。
● 多樣化樣本：包含 927張乳腺超聲影像，提供了豐富的良性和惡性腫瘤樣本，涵蓋了不同年齡段的病例。
● 臨床實用性：資料集來源於武漢大學人民醫院，使用了不同的裝置ESOTE LA523和Mindray DC系統）進行影像採集，具有高度的現實代表性，增強了模型的泛化能力。 
EMGANet 方法亮點

圖1. EMGANet的模型架構. (B) 多尺度組混合注意力. (C) 多尺度特徵融合.

實驗與結果：
1. 對比實驗：EMGANet在三個資料集（包括兩個公共資料集：Dataset-B、BUSI，一個私有資料集：BUSI-WHU）上都達到了先進的分割效能。在模糊邊界、斑點噪聲等極端情況下，EMGANet仍能準確定位腫瘤，模型注意力高度集中於病灶區域，有效抵抗背景干擾。          

表2. EMGANet和各模型在BUSI資料集上的表現對比

表3. EMGANet和各模型在Dataset-B資料集上的表現對比
2. 消融實驗：為了驗證EMGANet各個元件的有效性與如何選擇特徵圖進行特徵融合，我們進行了一系列實驗。結果表明EMGANet的各個元件都有利於提升模型效能；只選擇最後一層特徵圖進行特徵融合可以獲得最佳結果。          

表4. EMGANet各元件在BUSI-WHU資料集上的表現

表5. 選擇各個階段進行特徵融合在BUSI-WHU資料集上的表現
未來工作：
我們計劃構建多週期影像資料集，挖掘時序特徵。同時開發動態模型，融合治療過程中的形態變化資訊，以更好地協助癌症分析。
總結：
EMGANet透過多尺度組混合注意力，邊緣增強技術和多尺度特徵融合技術，有效克服了超聲影像分割中的模糊邊界和噪聲問題，展示了在臨床應用中的巨大潛力。EMGANet不僅提高了乳腺癌超聲影像分割的準確性，還為未來的醫學影像分析提供了新的思路和技術手段。

何愷明在MIT授課的課件PPT下載

在CVer公眾號後臺回覆：何愷明，即可下載本課程的所有566頁課件PPT！趕緊學起來！

CVPR 2025 論文和程式碼下載

在CVer公眾號後臺回覆：CVPR2025，即可下載CVPR 2025論文和程式碼開源的論文合集

ECCV 2024 論文和程式碼下載

在CVer公眾號後臺回覆：ECCV2024，即可下載ECCV 2024論文和程式碼開源的論文合集
醫學影像分割交流群成立
掃描下方二維碼，或者新增微訊號：CVer2233，即可新增CVer小助手微信，便可申請加入CVer-垂直方向和論文投稿微信交流群。另外其他垂直方向已涵蓋：目標檢測、影像分割、目標跟蹤、人臉檢測&識別、OCR、姿態估計、超解析度、SLAM、醫療影像、Re-ID、GAN、NAS、深度估計、自動駕駛、強化學習、車道線檢測、模型剪枝&壓縮、去噪、去霧、去雨、風格遷移、遙感影像、行為識別、影片理解、影像融合、影像檢索、論文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF、3DGS、Mamba等。
一定要備註：研究方向+地點+學校/公司+暱稱（如醫學影像分割+上海+上交+卡卡），根據格式備註，可更快被透過且邀請進群

▲掃碼或加微訊號: CVer2233，進交流群
CVer計算機視覺（知識星球）來了！想要了解最新最快最好的CV/DL/AI論文速遞、優質實戰專案、AI行業前沿、從入門到精通學習教程等資料，歡迎掃描下方二維碼，加入CVer計算機視覺（知識星球），已彙集上萬人！

▲掃碼加入星球學習
▲點選上方卡片，關注CVer公眾號
整理不易，請點贊和在看


相關文章