典型文献
MAAUNet:医学图像语义分割U型编解码结构探索
文献摘要：
针对医学图像语义分割面临的分割目标多尺度变化、噪声干扰、分割结果粗糙、训练过程缓慢的问题,基于UNet和MultiResUNet提出了一种多尺度残差带有聚合连接的U型注意力网络结构MAAUNet(MultiRes aggregation attention UNet).首先,引入了聚合连接.由原来同一级的特征聚合重新设计跳跃连接,在解码器子网处聚合不同语义尺度的特征,进一步解决跳跃连接间可能存在的语义鸿沟问题.其次,在多尺度卷积模块之后加入了卷积块注意力机制模块.在通道和空间两个注意力方向上特征聚焦并集成,以自适应优化中间特征图.最后,对原有的多尺度卷积块做出改进.用串联卷积结构拓展卷积通道,相互补充信息,提取更丰富的空间特征,保留残差连接,使原卷积块变为多通道卷积块,从而使模型可提取多尺度空间特征.实验结果表明,MAAUNet在具有挑战性的数据集上具有很强的竞争力,在应对多尺度输入、噪声干扰的情况时表现出了良好的分割性能和稳定性.
文献关键词：
U型注意力网络结构MAAUNet;卷积神经网络;编解码结构;注意力机制;医学图像;语义分割
中图分类号：
作者姓名：
邵硕;葛洪伟
作者机构：
江南大学江苏省模式识别与计算智能实验室,江苏无锡214122;江南大学人工智能与计算机学院,江苏无锡,214122
文献出处：
引用格式：
[1]邵硕;葛洪伟-.MAAUNet:医学图像语义分割U型编解码结构探索)[J].测试科学与仪器,2022(04):418-429
A类：
MAAUNet,MultiResUNet,MultiRes
B类：
医学图像语义分割,编解码结构,目标多尺度,多尺度变化,噪声干扰,训练过程,多尺度残差,注意力网络,aggregation,attention,特征聚合,重新设计,跳跃连接,解码器,子网,语义鸿沟,卷积模块,卷积块注意力机制模块,自适应优化,中间特征,特征图,多尺度卷积块,空间特征,残差连接,多通道卷积,多尺度空间,多尺度输入
AB值：
0.286664
相似文献
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。
