PDPNet：一种渐进式双先验网络，可以来从动态增强的图像中分割乳腺肿瘤，性能表现SOTA！并提高了模型的泛化能力，单位：贵州大学, 哈医大肿瘤医院, 贵州省人民医院

为了提高乳腺肿瘤分割模型的泛化能力，以及提高对较小尺寸、低对比度和不规则形状的乳腺肿瘤的分割性能，我们提出了一种渐进式双先验网络（PDPNet）来从动态增强的图像中分割乳腺肿瘤。 在不同部位采集的磁共振图像（DCE-MRI）。 PDPNet 首先使用基于粗分割的定位模块裁剪肿瘤区域，然后利用弱语义先验和跨尺度相关先验知识逐步细化乳腺肿瘤掩模。 为了验证 PDPNet 的有效性，我们将其与多中心数据集上的几种最先进的方法进行了比较。 结果表明，与次优方法相比，PDPNet的DSC、SEN、KAPPA和HD95分别提高了3.63%、8.19%、5.52%和3.66%。 此外，通过消融，我们证明了所提出的定位模块可以减少正常组织的影响，从而提高模型的泛化能力。 弱语义先验允许关注肿瘤区域，以避免遗漏小肿瘤和低对比度肿瘤。 跨尺度相关先验有利于提高不规则肿瘤的形状感知能力。 因此将它们集成在一个统一的框架中提高了多中心乳腺肿瘤分割的性能。

论文地址：https://arxiv.org/abs/2310.13574

更多论文创新点加微信群：Lh1141755859

公众号：CV算法小屋