초음파 영상에서 유방 병변 분할에 더 많은 주의를 기울이기

초음파(US) 영상에서 유방 병변 분할은 견갑하 림프절 전이의 진단과 치료에 필수적입니다. 그러나 고품질 주석을 가진 잘 설립되고 대규모의 초음파 영상 데이터셋 부족으로 인해 연구 커뮤니티는 지속적인 도전에 직면해 왔습니다. 이 문제를 해결하기 위해, 우리는 572개의 영상과 34,300개의 주석 프레임으로 구성된 초음파 영상 유방 병변 분할 데이터셋을 철저히 구성했습니다. 이 데이터셋은 다양한 실제 임상 시나리오를 포괄합니다. 또한, 우리는 새로운 주파수 및 위치 특성 집계 네트워크(Frequency and Localization Feature Aggregation Network, FLA-Net)를 제안합니다. 이 네트워크는 주파수 영역에서 시간 특성을 학습하고 추가적인 병변 위치를 예측하여 유방 병변 분할을 돕습니다. 우리는 또한 동일한 영상 내에서 인접한 프레임 간의 병변 위치 거리를 줄이고 다른 초음파 영상 프레임 간의 위치 거리를 확대하기 위한 위치 기반 대조 손실 함수를 설계했습니다. 우리의 실험 결과는 우리 데이터셋과 두 개의 공개 비디오 폴립 분할 데이터셋에서 제안된 FLA-Net이 US 비디오와 비디오 폴립 분할에서 최고 수준의 성능을 달성하며, 시간과 공간 복잡도를大幅减少的同时，显著提高了分割精度。我们的模型和数据集可在 https://github.com/jhl-Det/FLA-Net 获取。为了确保最后一句也符合韩语表达习惯，我将对其进行调整：우리의 실험 결과는 우리 데이터셋과 두 개의 공개 비디오 폴립 분할 데이터셋에서 제안된 FLA-Net이 US 비디오와 비디오 폴립 분할에서 최고 수준의 성능을 달성하며, 시간과 공간 복잡도를 크게 줄이는 것을 보여주었습니다. 우리의 모델과 데이터셋은 https://github.com/jhl-Det/FLA-Net 에서 이용 가능합니다。