FAU-Net：一种带特征金字塔注意力的注意力U-Net扩展用于前列腺癌分割
图像与视频处理
2023-09-06 v1 计算机视觉与模式识别
摘要
本贡献提出了一种基于U-Net并利用加性注意力与特征金字塔注意力模块的深度学习方法来分割MRI图像中的前列腺区域，可改善前列腺癌检测与诊断的工作流。所提模型与七种不同的基于U-Net的架构进行比较。使用Dice分数(DSC)和交并比(IoU)指标评估了各模型对中心区(CZ)、外周区(PZ)、移行区(TZ)和肿瘤的自动分割性能。所提方案在测试集上取得了平均DSC为84.15%和IoU为76.9%，优于本工作中大多数被研究模型，除R2U-Net和注意力R2U-Net架构外。
引用
@article{arxiv.2309.01322,
title = {FAU-Net: An Attention U-Net Extension with Feature Pyramid Attention for Prostate Cancer Segmentation},
author = {Pablo Cesar Quihui-Rubio and Daniel Flores-Araiza and Miguel Gonzalez-Mendoza and Christian Mata and Gilberto Ochoa-Ruiz},
journal= {arXiv preprint arXiv:2309.01322},
year = {2023}
}
备注
This paper has been accepted at the 22nd Mexican International Conference on Artificial Intelligence (MICAI 2023)