arXiv cs.AI· Abdullah Al Shafi, Md Kawsar Mahmud Khan Zunayed, Safin Ahmmed, Sk Imran Hossain, Engelbert Mephu Nguifo·· 10 天前AI 评分22
面向乳腺超声分割与分类的自适应双向任务交互方法
Adaptive Bidirectional Task Interaction for Joint Segmentation and Classification of Breast Ultrasound
AI 导读
该方法在解码阶段恢复分割与分类分支间的信息交换，通过四级解码器上的 Task Interaction Module（TIM）传递池化边界上下文，并用 Adaptive Interaction Weighting（AIW）按图像和层级自适应融合特征。
正文 · AI 翻译
摘要：乳腺超声中的联合病灶分割与组织分类通常使用共享编码器进行训练，因此一旦两个分支的解码器分离，它们就停止交换信息。而这恰恰是边界细节与语义证据最具互补性的地方。所提出的方法在解码过程中恢复了这种交换，并且由于其在各图像间的价值不同，让网络针对每张图像决定保留多少。四个解码器层级各设一个任务交互模块（TIM），将池化的边界上下文传入分类表示，并用类别条件先验调制解码器通道。随后，一个自适应交互加权（AIW）单元用为每张图像和每个层级计算出的系数，将交互后的特征与原始特征进行融合。在 BUSI 上，该模型达到 74.19% IoU 和 90.60% 准确率，在 BUSI-WHU 上达到 86.40% IoU 和 95.00% 准确率，优于在同一协议下评估的编码器共享多任务、Transformer 分割和解码器交互基线。消融实验表明，多尺度上下文与跨任务交换并非相互独立：单独应用时它们合计贡献 4.00 个 IoU 点，一起应用时为 6.76。仅将自适应融合加入任务交互，即可将 AUC 从 94.41% 提升至 97.31%，表明该融合主要作用于分类分支。代码：此 https URL。
| 评论： | 10 页，2 幅图，2 张表 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2603.01295 [cs.CV] |
| （或 arXiv:2603.01295v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.01295 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Abdullah Al Shafi [查看电子邮件]
[v1]
2026 年 3 月 1 日星期日 22:02:06 UTC（1,752 KB）
[v2]
2026 年 10 月 6 日星期二 13:32:02 UTC（1,842 KB）
来源：arXiv cs.AI · arxiv.org