用于脑肿瘤分割的压缩激励嵌入注意力 UNet
图像与视频处理
2023-05-16 v1 计算机视觉与模式识别
摘要
近年来，基于深度学习的技术在医学领域日益重要，被应用于医学图像分类、分割与识别等多种任务。UNet、Attention UNet 和 Attention Residual UNet 等现有架构已是用于脑肿瘤分割的同类方法，但它们均未解决如何在通道层面提取特征的问题。本文提出一种称为压缩激励嵌入注意力 UNet（SEEA-UNet）的新架构，该架构结合 Attention UNet 与压缩激励网络以获得更好的结果与预测，主要采用它是为了在空间和通道两个层面获取信息。所提模型与现有架构进行比较，发现以更少的训练轮数，该模型表现更优。采用二元 focal loss 与 Jaccard 系数监测模型性能。
引用
@article{arxiv.2305.07850,
title = {Squeeze Excitation Embedded Attention UNet for Brain Tumor Segmentation},
author = {Gaurav Prasanna and John Rohit Ernest and Lalitha G and Sathiya Narayanan},
journal= {arXiv preprint arXiv:2305.07850},
year = {2023}
}