分割任务辅助下的乳腺超声图像肿瘤分类网络

本发明提出了一种基于TransUNet和Transformer的双分支乳腺超声图像肿瘤分类网络。由于乳腺超声图像的内部区域和边界区域对肿瘤良恶性判读具有关键作用，通过提出的双分支结构副合TransUNet和ResNet提取的特征，分别提取肿瘤的内部特征和边界特征，实现空间信息和语义信息的融合。同时，由于恶性肿瘤对周边组织会产生影响，提出TConv模块提取全局特征，并与局部特征融合，以学习肿瘤与周边组织的关系。本发明在公开的数据集B和数据集BUSI上进行了实验，实验结果表明了该网络的有效性。