换一批边界增强像素级多模态声像图融合方法评估良、恶性乳腺肿瘤
Boundary enhancement pixel-level image fusion of multi-modal breast ultrasound images for evaluating benign and malignant breast tumors
摘要目的 观察以边界增强多模态乳腺声像图像素级特征融合方法评估良、恶性乳腺肿瘤性质的价值.方法 基于乳腺肿瘤B型声像图提取边界增强图像,于超声弹性复合声像图中提取纯弹性信息图像.对多模态乳腺肿瘤声像图进行像素级特征融合,形成边界特征增强的融合图像,再以卷积神经网络(CNN)进行分类;评估融合方法分类良、恶性乳腺肿瘤的性能,并与单模态方法、特征级融合方法、无边界增强像素级图像融合方法及其他CNN模型进行对比.结果 边界增强像素级特征融合方法有助于CNN提取乳腺肿瘤特征,分类良、恶性乳腺性能最佳,其分类准确率为85.71％,特异度为85.49％,敏感度为86.16％,模型稳定.结论 边界特征增强像素级多模态声像图融合方法可用于判断良、恶性乳腺肿瘤.
更多相关知识
栏目名称
DOI
10.13929/j.issn.1003-3289.2023.05.023
发布时间
2023-06-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
中国科学院青年创新促进会项目（2019024）
- 浏览0
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
