典型文献
基于多尺度偶数卷积注意力U-Net的医学图像分割
文献摘要：
为了提高U-Net网络性能的同时尽可能减少额外计算量,本文提出了一种新的多尺度偶数卷积注意力U-Net(Multiscale Even Convolution Attention U-Net,MECAU-Net)网络.该网络在编码端采用 2×2偶数卷积代替3×3卷积进行特征提取,并借鉴多尺度思想,采用4×4偶数卷积将得到的信息直接传递给主干部分,以获取更全面的图像信息并减少额外计算开销,同时还采用对称填充解决偶数卷积提取信息过程中产生的偏移问题.此外,在2×2偶数卷积模块后加入卷积注意力模块,结合空间和通道注意力,在提取更丰富的信息的同时几乎不增加额外开销.最后,在两个医学图像数据集上进行仿真实验,实验结果表明提出的MECAU-Net网络相对于U-Net在稍微增加计算成本的情况下,分割性能得到了较大的提升,并比其他对比网络取得更好的分割性能的同时还降低了参数量.
文献关键词：
卷积神经网络;医学图像分割;偶数卷积;多尺度;注意力模块
中图分类号：
作者姓名：
杨真真;孙雪;邵静;杨永鹏
作者机构：
南京邮电大学宽带无线通信与传感网技术教育部重点实验室,江苏南京210003;南京邮电大学理学院,江苏南京210023;南京信息职业技术学院网络与通信学院,江苏南京210023
文献出处：
引用格式：
[1]杨真真;孙雪;邵静;杨永鹏-.基于多尺度偶数卷积注意力U-Net的医学图像分割)[J].信号处理,2022(09):1912-1921
A类：
偶数卷积,MECAU
B类：
Net,医学图像分割,网络性能,尽可能减少,少额,计算量,Multiscale,Even,Convolution,Attention,在编,尺度思想,递给,图像信息,计算开销,提取信息,卷积模块,卷积注意力模块,通道注意力,增加额,医学图像数据,图像数据集,稍微,加计,计算成本,参数量
AB值：
0.246314
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
