FocusNet++：用于高效准确医学图像分割的注意力聚合变换
图像与视频处理
2021-04-09 v2 计算机视觉与模式识别
摘要
我们为卷积神经网络提出了一种新的残差块，并展示了其在医学图像分割中的最先进（state-of-the-art）性能。我们将注意力机制与分组卷积相结合，创建了我们的组注意力机制，其构成了我们的网络 FocusNet++ 的基本构建块。我们采用基于平衡交叉熵、Tversky 损失和自适应对数损失的混合损失来增强性能并实现快速收敛。我们的结果表明，FocusNet++ 在 ISIC 2018 黑色素瘤分割和细胞细胞核分割数据集上以更少的参数和 FLOPs 取得了各类基准指标的最先进结果。
引用
@article{arxiv.1912.02079,
title = {FocusNet++: Attentive Aggregated Transformations for Efficient and Accurate Medical Image Segmentation},
author = {Chaitanya Kaul and Nick Pears and Hang Dai and Roderick Murray-Smith and Suresh Manandhar},
journal= {arXiv preprint arXiv:1912.02079},
year = {2021}
}
备注
Published at ISBI 2021