基于融合模型的超声体积定量辅助诊断系统.pdf

基于融合模型的超声体积定量辅助诊断系统

摘要

近年来，随着医学成像技术的迅速发展，超声检查因其无创、实时和成本效益高等

诸多优点，已成为临床诊断不可或缺的工具之一。对于体积定量相关病灶或器官进行疾

病诊疗而言，准确分割病灶或器官是判断疾病必不可少的一步，因此，发展新型精准的

图像分割技术已经成为提高检查和判断病情准确性的关键。本研究通过引入特征融合、

边缘检测和注意力机制技术，针对超声图像分割问题进行了算法的改进和优化，并设计

与实现了一款超声体积定量辅助诊断系统，意在提高相关疾病诊疗的准确性和效率。

首先，本文提出了基于融合模型的二维超声图像分割算法MAFNet，旨在解决超声

图像分割过程中边缘识别不清晰、分割效果差的问题。MAFNet在边缘检测方面采用边

缘检测模块提取边界和形状等准确信息。同时针对传统卷积神经网络难以获取全局信息

导致分割效果差的问题，通过基于Transformer的全局建模模块对U-Net模型进行改进，

以获取长距离依赖关系。并且优化特征融合模块来整合边缘检测结果与主干分割结果，

提高分割的准确性和清晰度。在甲状腺结节TN3K数据集上进行对比实验，MAFNet表

现出了比相关领域常见算法更好的边缘分割清晰度以及整体评价指标，然后通过消融实

验验证每个模块的有效性。此外，在DDTI数据集上的泛化实验证明了MAFNet的泛化

能力也有所提高。

鉴于三维超声图像分割所面临的挑战，本文对MAFNet模型进行了进一步拓展，设

计了MAFNet3D模型。针对三维分割算法的高计算量和内存需求，本研究方案选择采用

自注意力机制代替传统的Transformer模块，并引入GhostNetV2中的Ghost块替代编码

器中传统的两个连续卷积层。本文的MAFNet3D模型经前列腺µ-RegPro2023数据集验

证，显现出良好的分割性能，并成功减少了计算量和内存需求。

最后，在以上技术研究的基础上，本文设计并构建了一个超声体积定量辅助诊断系

统。考虑到系统应用需求，本文采用模块化设计并应用PyQt5技术开发了用户友好的前

端界面。本文为提高超声体积测量相关图像分割的精度和效率，以及进一步的临床应用

提供了一定的技术支持。

关键词：辅助诊断系统；超声图像分割；特征融合；边缘检测；PyQt5

基于融合模型的超声体积定量辅助诊断系统

ABSTRACT

Inrecentyears,theswiftadvancementofmedicalimagingtechnologyhaselevated

ultrasoundexaminationtoacrucialroleinclinicaldiagnosis.Thisislargelyduetoitsnumerous

benefitssuchasnon-invasiveness,real-timecapabilities,andcost-effectiveness.Forthe

accuratediagnosisandtreatmentofvolumequantitativerelatedlesionsororgans,precise

segmentationofthesestructuresisparamount.Consequently,thedevelopmentofinnovative

imagesegmentationtechniqueshasbecomeinstrumentalinenhancingtheprecisionof

examinationsanddiagnoses.Thisstudyaimstorefinethealgorithmforultrasoundimage

segmentationbyincorporatingfeaturefusion,edgedetection,andattentionmechanism

techniques.Furth