.png){kind=icon}
返回
Adaptive encoding and comprehensive attention decoding network for medical image segmentation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.asoc.2025.112990.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
医学图像分割涉及将医学图像中的不同组织或病灶区域进行划分。实现自动分割可以显著提高效率和准确性，这对生物医学临床诊断具有重要意义。随着深度卷积神经网络（DCNN）的快速发展，U-Net因其编码器-解码器结构和跳过连接而被广泛应用于医学图像分割。然而，U-Net在处理某些具有挑战性的病例时仍然存在困难。本研究提出了一种自适应编码和综合注意力解码网络（AA-Net），该网络源自U-Net，旨在解决语义差距以及卷积过程中空间信息的丢失问题。AA-Net考虑了编码器和解码器的不同特性。在编码器中，我们设计了一个简单的自适应校准模块（ACM）以提升候选特征的表达能力。在解码器中，我们引入了一个综合注意力特征提取（CAFE）模块，该模块在特征融合后采用多种注意力机制以缓解语义差距。得益于CAFE，AA-Net能够更好地处理分割目标在位置、大小和尺度上各异的具有挑战性的病例。此外，我们提出了一种加权混合损失函数以实现精确的边界分割。我们在三个生物医学图像数据集上验证了AA-Net及其各组件的有效性。结果表明，我们的方法在多种医学分割任务中优于当前最先进的方法，证明了其轻量化、高效且具有通用性。
Keyword:
Medical image segmentation
Adaptive calibration
Comprehensive attention feature extraction
U -Net
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
机构
引用论文
MobileRaT: A Lightweight Radio Transformer Method for Automatic Modulation Classification in Drone Communication SystemsMobileRaT: 一种用于无人机通信系统中自动调制分类的轻量级无线电变压器方法.png)
DRONES
OAAI
DRONESIF4.8
OAAI分享收藏分享收藏SA-Net: Shuffle Attention for Deep Convolutional Neural NetworksSa-net: 深度卷积神经网络的洗牌注意力ICASSP 2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
OAAI
ICASSP 2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏H-DenseUNet: Hybrid Densely Connected UNet for Liver and Tumor Segmentation From CT VolumesH-denseunet: 混合密集连接的UNet，用于从CT体积中分割肝脏和肿瘤OAAI
OAAI分享收藏
查看更多内容