Mini-Net：面向医学图像分割的轻量级解决方案
图像与视频处理
2024-09-24 v4 计算机视觉与模式识别
摘要
对解剖结构和异常组织的医学图像进行准确分割是计算机辅助诊断和分析的关键。虽然深度学习技术在这方面表现出色，但其计算需求较大。此外，一些前沿分割方法虽然对一般目标分割有效，但可能未针对医学图像进行优化。为此，我们提出了 Mini-Net，这是一个专为医学图像设计的轻量级分割网络。该网络参数不足 38,000 个，能够高效捕获高频和低频特征，适用于各种医学成像场景。我们在多个数据集上评估了 Mini-Net，包括 DRIVE、STARE、ISIC-2016、ISIC-2018 和 MoNuSeg，结果表明其在各项指标上均优于最新方法，表现稳健且性能优异。
引用
@article{arxiv.2405.17520,
title = {Advancing Medical Image Segmentation with Mini-Net: A Lightweight Solution Tailored for Efficient Segmentation of Medical Images},
author = {Syed Javed and Tariq M. Khan and Abdul Qayyum and Hamid Alinejad-Rokny and Arcot Sowmya and Imran Razzak},
journal= {arXiv preprint arXiv:2405.17520},
year = {2024}
}