Multiple Instance Segmentation in Brachial Plexus Ultrasound Image Using BPMSegNet 论文链接：https://arxiv.org/abs/2012.12012 作者单位：电子科技大学, 四川省妇女儿童医院等 本文提出了一种称为臂丛多实例分割网络（BPMSegNet），以识别超声图像中的不同组织（神经，动脉，静脉，肌肉），并构建了臂丛超声图像数据集（UBPD），含1055幅超声图像。

由于神经结构难以在超声图像中成像和检测，因此难以识别神经。然而，超声图像中的神经识别是提高局部麻醉性能的关键步骤。在本文中，提出了一种称为臂丛多实例分割网络（BPMSegNet）的网络，以识别超声图像中的不同组织（神经，动脉，静脉，肌肉）。 BPMSegNet具有三个新颖的模块。第一个是空间局部对比度特征，它可以计算不同比例的对比度特征。第二个是自注意门，它通过其重要性reweighs特征图中的通道。第三是在特征金字塔网络中添加带有转置卷积的跳过级联。通过对我们构建的超声臂丛神经数据集（UBPD）进行实验，对提出的BPMSegNet进行了评估。定量实验结果表明，所提出的网络可以很好地分割超声图像中的多个组织。

内容中包含的图片若涉及版权问题，请及时与我们联系删除