Devido à baixa precisão na delimitação da área de infiltração nas lesões de câncer de mama em DCE-MRI, grandes variações na morfologia estrutural, intensidade desigual e baixo contraste nas bordas, a segmentação automatizada das áreas de câncer de mama apresenta problemas de baixa precisão e segmentação incorreta. Para isso, o presente artigo construiu um quadro de segmentação em duas etapas para as áreas de lesão do câncer de mama, propondo um modelo de segmentação UTB-net, integrando multiescala e Non-local tanto no caminho de codificação quanto na extremidade, e construindo um módulo híbrido de decodificação atenção-residual no caminho de decodificação. Primeiramente, utilizando o modelo básico de rede U-net para fazer um delineamento grosseiro da região mamária, eliminando o impacto dos tecidos não relacionados, como músculos do tórax, gordura e coração, na segmentação do câncer de mama. Em seguida, com base nos resultados da ROI extraídos, foram incorporados no caminho de codificação do modelo a fusão de informações multiescala e o módulo Non-local. Por fim, foi construído um módulo híbrido de decodificação atenção-residual no caminho de decodificação, introduzindo um mecanismo de supervisão profunda para melhorar a precisão da segmentação das lesões do câncer de mama. Os resultados experimentais mostraram que, em comparação com o modelo básico U-Net, os indicadores de segmentação do câncer de mama DICE, IOU, SEN e PPV melhoraram respectivamente 4%, 4,78%, 5,92% e 3,94%. O modelo proposto não apenas melhorou os resultados da segmentação do câncer de mama, mas também reduziu a segmentação incorreta de pequenas áreas e de calcificações.

DCE-MRI;segmentação;câncer de mama;U-net;atenção;rede residual