Mehr Aufmerksamkeit auf die Segmentierung von Brustgeschwüren in Ultraschallvideos lenken

Die Segmentierung von Brustgeschwüren in Ultraschall-Videos (US) ist für die Diagnose und Behandlung von axillären Lymphknotenmetastasen entscheidend. Allerdings stellt der Mangel an einem gut etablierten und umfangreichen Ultraschall-Video-Datensatz mit hochwertigen Annotationen eine dauerhafte Herausforderung für die wissenschaftliche Gemeinschaft dar. Um dieses Problem zu bewältigen, haben wir sorgfältig einen Datensatz zur Segmentierung von Brustgeschwüren in Ultraschall-Videos zusammengestellt, der 572 Videos und 34.300 annotierte Frames umfasst und eine Vielzahl realistischer klinischer Szenarien abdeckt. Darüber hinaus schlagen wir ein neues Netzwerk zur Aggregation von Frequenz- und Lokalisierungsmerkmalen (FLA-Net) vor, das zeitliche Merkmale aus dem Frequenzbereich lernt und zusätzliche Positionen der Geschwulstlokalisierung vorhersagt, um die Segmentierung von Brustgeschwüren zu unterstützen. Wir entwickeln außerdem einen lokalisationsbasierten kontrastiven Verlust, um den Abstand zwischen benachbarten Videoframes innerhalb desselben Videos zu verringern und den Abstand zwischen Frames aus verschiedenen Ultraschall-Videos zu vergrößern. Unsere Experimente auf unserem annotierten Datensatz sowie auf zwei öffentlichen Video-Polypensegmentierungsdatensätzen zeigen, dass unser vorgeschlagenes FLA-Net sowohl in der Segmentierung von Brustgeschwüren in Ultraschall-Videos als auch in der Video-Polypensegmentierung Spitzenleistungen erzielt, während es gleichzeitig die Zeitaufwand- und Speicherplatzkomplexität erheblich reduziert. Unser Modell und unser Datensatz sind unter https://github.com/jhl-Det/FLA-Net verfügbar.