EUIS-Net: A Convolutional Neural Network for Efficient Ultrasound Image Segmentation

分割超声图像对于各种医学应用至关重要，但由于超声图像固有的噪声和不可预测性，这也带来了重大挑战。为了解决这些挑战，我们提出了EUIS-Net，这是一个专门设计用于高效精确地分割超声图像的CNN网络。所提出的EUIS-Net利用了四个编码器-解码器块，从而在实现出色性能的同时显著降低了计算复杂度。所提出的EUIS-Net将通道和空间注意机制集成到瓶颈中，以改善特征表示并收集重要的上下文信息。此外，EUIS-Net还在跳跃连接中加入了区域感知注意模块，从而增强了集中关注损伤区域的能力。为了实现各种网络块之间的全面信息交换，从网络最底层到最上层块都采用了跳跃连接聚合。我们在两个公开可用的超声图像分割数据集上进行了全面评估。所提出的EUIS-Net在BUSI和DDTI数据集中分别实现了78.12％，85.42％和84.73％，89.01％的平均IoU和Dice分数。我们的研究结果展示了EUIS-Net在临床设置中的重要应用能力以及其在各种超声成像任务中的多功能性。

本文旨在解决超声图像分割中存在的噪声和不可预测性问题。

本文提出了一种名为EUIS-Net的CNN网络，利用四个编码器-解码器块有效地分割超声图像，并集成了通道和空间注意机制以提高特征表示和收集重要的上下文信息。

本文在两个公开可用的超声图像分割数据集上进行了全面评估，证明了EUIS-Net在临床设置中的出色性能和在各种超声成像任务中的通用性。

最近的相关研究包括“Deep learning for ultrasound image analysis: A review”和“Attention U-Net: Learning Where to Look for the Pancreas”。