基于改進TransU-Net的乳腺腫瘤分割算法研究

摘要：針對超聲乳腺腫瘤圖像中存在的高散斑噪聲較多、腫瘤邊緣模糊以及形狀復雜多樣等問題，文章在TransU-Net的基礎上進行改進，提出了基于TransU-Net的多路徑特征融合網絡（MFF-Net）。文章分析了MFF-Net的整體結構、多路徑特征融合提取模塊以及深監督機制，通過實驗驗證了MSF-Net在處理邊緣模糊和形狀復雜多樣的乳腺超聲圖像方面的有效性。結果顯示，MSF-Net在多個評價指標上優于現有的主流方法。

關鍵詞：乳腺超聲圖像分割；深度學習；多路徑融合；深監督

中圖分類號：TP391

文獻標志碼：A

0 引言

早期診斷和治療乳腺癌能顯著提升患者的生存率^［1］。近年來，由于超聲成像具有非侵入式、無輻射性、準確率高、低成本等^［2］優勢，逐漸成了一種篩查乳腺腫瘤的主流方法。傳統的醫學圖像分割方向有U-Net、U-Net++，但會受到背景噪聲的干擾，不能有效提取多尺度特征。本文提出了基于TransU-Net的多路徑特征融合網絡（Multi-path Feature Fusion Network，MFF-Net），通過多路徑特征融合提取模塊提取不同尺度和類型的特征，通過深監督策略實現了更有效的梯度反向傳播，確保了網絡能夠從粗糙到細致逐步精確分割目標區域。實驗表明，MFFNet在BUSI數據集上展現出與金標準最相似的結果，證明本章提出算法的有效性。

1 基于TransU-Net的多路徑特征融合網絡

本文提出了基于TransU-Net的多路徑特征融合網絡。網絡的整體架構如圖1所示。網絡沿用了TransU-Net的設計，對TransU-Net運用了遷移學習的思想。該網絡在解碼器部分引入了多路徑特征融合提取模塊（Multi-Path Feature Fusion Extraction Model，MPFEM）來替換傳統的3×3卷積和ReLU激活單元，逐層上采樣，最終生成分割圖。在每次上采樣之后，這些特征圖會通過上采樣插值方法被上采樣到與輸入圖像相匹配的尺寸，形成側輸出，每個側輸出會與真實的分割掩碼相比較，計算損失。這些損失匯總形成網絡的總損失，幫助網絡在各個層級學習。

1.1 多路徑特征融合提取模塊

MPFEM的結構如圖2所示，從上到下的路徑依次是Path A、Path B和Path C，最終將這些特征圖進行融合以產生輸出特征圖。首先Path A通過一個1×1的卷積層產生特征圖feaa1，然后使用3×1和1×3卷積層串聯，產生3×3的感受野，緊接著通過批量歸一化+ReLU（BR）隨后生成特征圖feaa2。將feaa1和feaa2進行點乘，最后使用殘差結構來保留細節特征，生成feaa。

Path B路徑引入分組卷積和空洞卷積，將二者結合，將參數設置為：3×3卷積核、步長為1、填充為2、膨脹率為2，分組數等于輸入通道數。空洞卷積擴大了卷積核的有效感受野，最終提取5×5的感受野信息。而分組卷積將輸入特征圖分成若干組，有效地提升運行速度，隨后經過逐點卷積，卷積核參數為：1×1尺寸的卷積核、步長為1、無填充，最終生成特征圖feab。

Path C路徑同樣采用深度可分離卷積的變體，使用3×3的卷積核、步長為1、填充為4、膨脹率為4，通過空洞方式將感受野增至7×7，生成特征圖feac。最終該網絡將Path A、B、C的輸出特征圖進行融合，用1×1卷積降低通道維度。

1.2 深監督機制與損失函數

側輸出用于在訓練期間提供附加的損失信號，從而使得網絡能夠在不同的解析度上獲得更精細的梯度信息。網絡通過在多個解碼階段引入直接的損失信號，使深監督機制可以有效加速訓練過程中的收斂速度，有助于提高模型對不同分辨率的泛化能力。損失函數由2部分組成，加權交并比損失和二元交叉熵損失，定義為：

其中，^w_iou表示加權IoU損失，^w_BCE表示全局限制和局部（像素級）限制的二元交叉熵損失。筆者對5個側輸出（即out₁-out₅）采用深度監督， 每個out_i都被上采樣到與標準分割掩碼G相同的大小，與輸入圖像大小也相同。因此，MSF-Net的總損失函數公式為：

其中，out_i表示第i階段上采樣獲得的特征圖（i= 1，…， 5），G是ground-truth圖。

2 實驗內容

2.1 實驗數據集

為了評估所提出方法的實用性和效果，本文在乳腺超聲數據集BUSI上進行了實驗。該數據集有780張影像，正常的有133張，非正常的有647張，排除了133張正常影像的使用后，將所有圖像調整至224×224的尺寸，進行隨機平移、隨機縮放等數據擴增，設置隨機概率為0.4，最終按8∶1∶1的比例隨機劃分成訓練集519張，驗證集64張，測試集64張。

2.2 實驗環境

本文提出的方法是基于PyTorch實現的，硬件設備的顯卡型號為NVIDIA GeForce RTX-3090、訓練周期被設定為500、batchsize為6、設置了梯度裁剪邊界clip為0.5、學習率初始化為1e-4、采用余弦退火策略進行調整、T_max為40、使用Adam優化器。本文所有算法均在同一實驗環境下進行了同樣的參數設置。

2.3 評價指標

本文采用常用的5個醫學圖像分割評價指標對所提出方法的性能進行了評價，它們分別為：Dice、IoU、Recall、Precision、Accuracy，其數值越大，效果就越好。

2.4 對比實驗

本文在BUSI數據集上進行了廣泛的對比實驗，以驗證所提出的MSF-Net的有效性。筆者選取3個在醫學圖像分割方面具有代表性的算法進行對比實驗，分別為U-Net、TransU-Net^［3］、UCTrans-Net。表1展示了不同算法在BUSI上的評價指標結果，最佳性能指標加粗顯示。對于Dice、Recall、Precision、Accuracy，MSF-Net都表現了最好的水平，分別為0.8658、0.8989、0.8909、0.8909、0.8824，但是IoU得分僅次于U-Net，可能由于圖像的結構相對簡單或者分割目標與背景對比明顯時，U-Net對特定類型的圖像或特征可能有更好的適應性。

2.5 消融實驗

為了評估MSF-Net中每個模塊設計的貢獻和有效性，筆者設計了2個消融實驗。筆者首先將TransU-Net設為Baseline，將MFF-Net中的多路徑特征融合提取模塊替換為傳統3×3卷積層和ReLU激活函數，命名為Without-MPFEM。筆者去除了MFF-Net的深監督機制，模型僅產生單一的最終輸出，命名為Without-DPS。

表2展示了消融實驗在BUSI數據集上的評價指標結果。其中，Without-MPFEM相比于Baseline性能有所提升，說明即使沒有多路徑特征融合，其他模型組件仍然對性能有積極貢獻。除了Recall，MFF-Net的所有指標均為最佳，這證明了MPFEM和DPS的結合對模型的重要性。MPFEM允許模型有效捕捉多尺度特征，而DPS提供了必要的訓練信號，使模型能夠在多尺度上進行優化。

3 結語

本文所提出的網絡利用多路徑特征融合提取模塊有效地集成了來自不同層次的特征信息，利用深監督策略實現了更有效的梯度反向傳播。該網絡不僅提高了細節恢復能力和分割的準確性，實現了快速且穩定的訓練過程。實驗證明了本文提出的方法相較于其他主流方法顯著提升了腫瘤的分割效果，為未來在該領域的研究提供了新的視角和方法。

參考文獻

［1］SIEGEL R L，MILLER K D，FUCHS H E，et al.Cancer statistics，2021［J］.CA：A Cancer Journal for Clinicians，2021（1）：7-33.

［2］郭章留.乳腺癌影像學檢查的有關進展［J］.臨床放射學雜志，2002（9）：738-740.

［3］WANG B，WANG F，DONG P，et al.Multiscale transunet++：dense hybrid u-net with transformer for medical image segmentation［J］.Signal，Image and Video Processing，2022（6）：1607-1614.

（編輯 王永超）

Research on breast tumor segmentation algorithm based on improved TransU-Net

Zhu" Shengtao， He" Zemin^*， Chen" Chaofeng

（Xijing University， Xi’an 710123， China）Abstract： Aiming at the problems of high scattering noise， blurred tumor edges and complex and diverse shapes in ultrasound breast tumor images， this paper proposes a TransU-Net-based multipath feature fusion network （MFF-Net） by improving on the basis of TransU-Net.In this paper， we analyze the overall structure of MFF-Net， the multipath feature fusion extraction module and the deep supervision mechanism， and experimentally verified the effectiveness of MSF-Net in processing breast ultrasound images with blurred edges and complex and diverse shapes. The results show that MSF-Net outperforms existing mainstream methods in several evaluation indexes.

Key words：breast ultrasound image segmentation; deep learning; multipath fusion; deep supervision