AMSUnet:一种神经网络,用于用于医疗图像细分的atrous多尺度卷积
Yunchou Yin1, Zhimeng Han1, Muwei Jian2
1School of Computer Science and Technology, Ocean University of China, Qingdao, China.
Computers in biology and medicine
|June 5, 2023
概括
我们开发了AMSUnet,这是一款轻量级的医疗图像细分模型,使用形多尺度 (AMS) 卷积. 这个网络在各种目标尺度上实现了优越的细分性能,只有262万个参数.
科学领域:
- 医疗图像处理 医学图像处理
- 用于医学成像的深度学习
- 计算机视觉 计算机视觉 计算机视觉
背景情况:
- Unet及其变体在医疗图像细分方面取得了成功.
- 现有的Unet变体通常具有大量的参数,阻碍了轻量级应用程序.
- 需要高效,高性能的医疗图像细分模型.
研究的目的:
- 开发一个轻量级和高性能的医疗图像细分网络.
- 引入一个名为AMSUnet.net的新型网络架构.
- 为了提高对不同目标尺度的细分精度.
主要方法:
- 开发了AMSUnet,这是一个结合状多尺度 (AMS) 卷积的网络.
- 构建了一个卷积注意力块 (AMS),并重新设计了下采样编码器 (AMSE).
- 将剩余注意力机制 (RSC) 集成到跳过连接中,以增强功能融合.
主要成果:
- 在小型,中型和大型目标中,AMSUnet实现了卓越的细分性能.
- 拟议的模型重量轻,只需要262万个参数.
- 实验结果表明AMSUnet在各种数据集上的有效性.
结论:
- AMSUnet提供了一个令人信服的解决方案,用于轻量级和有效的医疗图像细分.
- 整合AMS卷积和RSC模块可以提高细分的准确性.
- 该模型的效率和性能使其适用于各种医学成像应用.
