.png){kind=icon}
返回
Sparse Prior Guided Decoder Network for Medical Image Segmentation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2026.106025.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
医学图像分割的目的是对图像中的目标病变组织进行分割。以往基于先验信息的研究通过引入各种类型的先验信息作为约束条件来分割医学图像，但这些先验信息往往过度依赖人工定义的固定先验。此外，大多数方法采用无差别的融合方式，未考虑选择最相关的先验，使其易受背景干扰。因此，本文提出了一种稀疏先验引导的解码器网络（SPGNet）用于医学图像分割。该网络主要构建了一个稀疏先验提取器（SPE）和一个先验引导解码器（PGD）。具体而言，SPE提出了一种掩码Top-k稀疏自注意力机制，该机制不仅能捕捉全局位置信息，还能以数据驱动的方式学习和提取最合适的先验信息，从而辅助医学图像分割。此外，PGD构建了一个先验引导模块（PGM），该模块全面整合了位置先验的全局信息和边界先验的局部细节，有效提升了分割性能。尽管计算复杂度和推理效率并非最优，但大量实验结果表明，SPGNet的性能优于现有的优秀医学影像方法。
Keyword:
Sparse prior
Medical image segmentation
Sparse self-attention
Prior-guided decoder
Data-driven learning
期刊
D
IF:
3
论文数:
771
被引数:
0
机构
引用论文
WM-DOVA maps for accurate polyp highlighting in colonoscopy: Validation vs. saliency maps from physicians在结肠镜检查中准确突出显示息肉的wm-dova地图: 医生的验证与显著性地图
PREAI
分享收藏Adaptive Fusion of Deep Learning With Statistical Anatomical Knowledge for Robust Patella Segmentation From CT Images深度学习与统计解剖知识自适应融合的CT图像髌骨鲁棒分割
PREAI
分享收藏A survey on deep learning tools dealing with data scarcity: definitions, challenges, solutions, tips, and applications关于处理数据稀缺的深度学习工具的调查: 定义，挑战，解决方案，技巧和应用.png)
JOURNAL OF BIG DATA
OAAI
JOURNAL OF BIG DATAIF6.4
OAAI分享收藏
Adaptive encoding and comprehensive attention decoding network for medical image segmentation自适应编码和全面注意力解码网络用于医学图像分割
PREAI
分享收藏分享收藏Cross-level Feature Aggregation Network for Polyp Segmentation用于息肉分割的跨层次特征聚合网络PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容