基于 EfficientNet-B7 与 DeepLabV3 + 架构的甲状腺结节精准分割研究

为解决超声图像甲状腺结节分割难题，研究人员用 EfficientNet-B7 和 DeepLabV3 + 开展研究，结果优异。

　　超声广泛用于监测和诊断甲状腺结节，但由于噪声和伪影的存在，准确分割超声图像中的甲状腺结节仍是一项挑战，这些噪声和伪影常常模糊结节边界。虽然已有几种深度学习算法用于这项任务，但它们的性能往往不尽如人意。在本研究中，研究人员首次将 EfficientNet-B7 作为 DeepLabV3 + 架构的骨干网络用于甲状腺结节分割。研究人员使用来自郑州大学第一附属医院的数据集以及两个公共数据集对所提出的方法进行了评估。结果显示出该方法的高性能，像素准确率（PA）达到 97.67%，Dice 相似系数为 0.8839，交并比（IoU）为 79.69%。这些结果优于大多数传统的分割网络。