DS$^2$Net：基于细节-语义深度监督的医学图像分割网络
计算机视觉与模式识别
2025-08-12 v2 人工智能
摘要
深度监督网络在医学图像社区中显示出显著效能。然而，现有工作仅单独监督粗粒度语义特征或细粒度细节特征，忽略了这两种特征在医学图像分析中至关重要的相互关系。我们提出了细节-语义深度监督网络（DSNet），通过细节增强模块（DEM）和语义增强模块（SEM）来导航低层细节和高层语义特征监督。DEM 和 SEM 分别利用低层和高层特征图创建细节掩码和语义掩码，以增强特征监督。这标志着从单视图深度监督向多视图深度监督的新颖转变。DSNet 还配备了一种基于不确定性的监督损失函数，可根据特征在不同尺度上的不确定性自适应分配监督强度，从而规避了以往方法中常见的次优经验设计。通过在六个基准数据集上的大量实验（包括结肠镜、超声和显微镜图像），我们证明 DSNet 在医学图像分析中持续优于最先进的方法。
引用
@article{arxiv.2508.04131,
title = {DS$^2$Net: Detail-Semantic Deep Supervision Network for Medical Image Segmentation},
author = {Zhaohong Huang and Yuxin Zhang and Taojian Zhou and Guorong Cai and Rongrong Ji},
journal= {arXiv preprint arXiv:2508.04131},
year = {2025}
}