MDA-Net: многомасштабная сеть с двойным вниманием для сегментации опухолей молочной железы на ультразвуковых изображениях

Точная сегментация поражений молочной железы существенно помогает на начальном этапе планирования лечения рака молочной железы. Ультразвук считается самым безопасным и дешевым методом скрининга молочной железы. Однако ультразвуковые изображения по своей природе содержат зернистый шум (speckle), нечеткие границы и сложные формы, что затрудняет автоматическую сегментацию. В данной работе предлагается многомасштабная сеть с двойным вниманием (MDA-Net) для совместной сегментации изображений поражений молочной железы. Введен блок многомасштабного слияния (multiscale fusion, MF), который решает классическую проблему фиксированного поля восприятия, способствует извлечению более семантических признаков и обеспечивает большую разнообразность признаков. Также предложен модуль двойного внимания (dual-attention, dA), представляющий собой гибрид блока внимания по каналам (channel-based attention, cA) и блока внимания на поражение (lesion attention, lA), который улучшает способность представления признаков и адаптивно обучает дискриминативное представление высокоуровневых признаков. В результате сочетание двух блоков внимания помогает сети фокусироваться на более релевантном поле зрения для целей. MDA-Net всесторонне протестирована на собственном приватном наборе данных и на двух публичных наборах (UDIAT, BUSIS). Кроме того, наш метод оценивался на наборах данных МРТ для изучения широкой применимости метода в другой модальности изображения. MDA-Net достигла коэффициентов сходства по Дайсу (DSC) 87.68%, 91.85%, 90.41% и 83.47% на наборах UDIAT, BUSIS, Private и RIDER breast MRI соответственно (p-value < 0.05 при парном t-тесте). Реализация MDA-Net и предобученные модели доступны на GitHub: https://github.com/ahmedeqbal/MDA-Net.