| 融合局部与全局特征的DCE-MRI乳腺肿瘤良恶分类 |
| |
| 引用本文： | 赵小明,廖越辉,张石清,方江雄,何遐遐,汪国余,卢洪胜.融合局部与全局特征的DCE-MRI乳腺肿瘤良恶分类[J].中国图象图形学报,2024,29(1):256-267. |
| |
| 作者姓名： | 赵小明 廖越辉 张石清 方江雄 何遐遐 汪国余 卢洪胜 |
| |
| 作者单位： | 杭州电子科技大学计算机学院, 杭州 310018;台州学院附属医院(台州市中心医院), 台州 318000 |
| |
| 基金项目： | 国家自然科学基金项目（61976149，62276180） |
| |
| 摘 要： | 目的 基于计算机辅助诊断的乳腺肿瘤动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI）检测和分类存在着准确度低、缺乏可用数据集等问题。方法 针对这些问题，建立一个乳腺DCE-MRI影像数据集，并提出一种将面向局部特征学习的卷积神经网络（convolutional neural network, CNN）和全局特征学习的视觉Transformer(vision Transformer,ViT)方法相融合的局部—全局跨注意力融合网络（local global cross attention fusion network,LG-CAFN），用于实现乳腺肿瘤DCE-MRI影像自动诊断，以提高乳腺癌的诊断准确率和效率。该网络采用跨注意力机制方法，将CNN分支提取出的图像局部特征和ViT分支提取出的图像全局特征进行有效融合，从而获得更具判别性的图像特征用于乳腺肿瘤DCE-MRI影像良恶性分类。结果 在乳腺癌DCE-MRI影像数据集上设置了两组包含不同种类的乳腺DCE-MRI序列实验，并与VGG16(Vis...
|
| 关 键 词： | 乳腺肿瘤 动态对比增强磁共振成像(DCE-MRI) 视觉Transformer (ViT) 卷积神经网络(CNN) 注意力融合 |
| 收稿时间： | 2023/3/20 0:00:00 |
| 修稿时间： | 2023/6/30 0:00:00 |
Method of classifying benign and malignant breast tumors by DCE-MRI incorporating local and global features |
| |
| Zhao Xiaoming,Liao Yuehui,Zhang Shiqing,Fang Jiangxiong,He Xiaxi,Wang Guoyu,Lu Hongsheng.Method of classifying benign and malignant breast tumors by DCE-MRI incorporating local and global features[J].Journal of Image and Graphics,2024,29(1):256-267. |
| |
| Authors: | Zhao Xiaoming Liao Yuehui Zhang Shiqing Fang Jiangxiong He Xiaxi Wang Guoyu Lu Hongsheng |
| |
| Affiliation: | School of Computer Science, Hangzhou Dianzi University, Hangzhou 310018, China;Taizhou Central Hospital, Taizhou University, Taizhou 318000, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《中国图象图形学报》浏览原始摘要信息 |
|
点击此处可从《中国图象图形学报》下载免费的PDF全文 |
|
