DAU-Net:一个医疗图像细分网络,结合了哈达马德产品和双尺度注意力门
Xiaoyan Zhang1, Mengmeng He1, Hongan Li1,2
1School of Computer Science and Technology, Xi'an University of Science and Technology, Xi'an 710054, China.
Mathematical biosciences and engineering : MBE
|March 8, 2024
概括
本研究介绍了DAU-Net,这是一个新的医疗图像细分网络. 与现有模型相比,DAU-Net 增强了特征表示,并实现了更高的细分精度.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 医学图像细分对于临床诊断和治疗至关重要.
- 目前的细分方法在准确性方面面临挑战.
- 精确的细分有助于定位组织结构,病变和器官边界.
研究的目的:
- 提出一个新的医疗图像细分网络,DAU-Net.
- 提高医疗图像细分的准确性和效率.
- 为了增强特征表示和提取能力.
主要方法:
- 在第五层编解码器中引入了Hadamard产品,以增强功能表示.
- 提出了一种双级关注门 (DSAG) 机制,用于在跳过连接中高效的特征突出显示.
- 采用了升级样本操作来解码和聚合特征用于最终细分.
主要成果:
- 与经典模型相比,DAU-Net显示了更有效的特征提取.
- 在Luna和Isic2017数据集上取得了更好的细分结果.
- 验证了拟议的哈达马德产品和DSAG模块的有效性.
结论:
- 在医疗图像细分方面,DAU-Net 提供了更好的性能.
- 哈达马德产品和DSAG的整合增强了网络功能.
- 拟议的模型为需要精确细分的临床应用提供了有希望的解决方案.
