Porter plus d'attention à la segmentation des lésions mammaires dans les vidéos échographiques

La segmentation des lésions mammaires dans les vidéos d'échographie (US) est essentielle pour le diagnostic et le traitement de la métastase ganglionnaire axillaire. Cependant, l'absence d'un ensemble de données vidéo d'échographie bien établi et à grande échelle, doté d'annotations de haute qualité, a posé un défi persistant à la communauté scientifique. Pour surmonter cette difficulté, nous avons soigneusement constitué un ensemble de données de segmentation des lésions mammaires en vidéo d'échographie comprenant 572 vidéos et 34 300 images annotées, couvrant une large gamme de scénarios cliniques réalistes. De plus, nous proposons un nouveau réseau d'agrégation de caractéristiques fréquentielles et localisationnelles (FLA-Net) qui apprend les caractéristiques temporelles dans le domaine fréquentiel et prédit des positions supplémentaires de localisation des lésions pour aider à la segmentation des lésions mammaires. Nous avons également élaboré une perte contrastive basée sur la localisation afin de réduire la distance de localisation des lésions entre les images vidéo voisines au sein de la même vidéo et d'augmenter les distances de localisation entre les images provenant de différentes vidéos d'échographie. Nos expériences sur notre ensemble de données annotées ainsi que sur deux ensembles de données publics de segmentation des polypes en vidéo montrent que notre FLA-Net proposée atteint des performances de pointe en segmentation des lésions mammaires dans les vidéos d'échographie et en segmentation des polypes en vidéo tout en réduisant considérablement la complexité temporelle et spatiale. Notre modèle et notre ensemble de données sont disponibles à l'adresse suivante : https://github.com/jhl-Det/FLA-Net.