Context-Aware U-Net for Biomedical Image Segmentation

最新推荐文章于 2024-04-16 17:37:33 发布

Adam婷

最新推荐文章于 2024-04-16 17:37:33 发布

阅读量1.2k

点赞数 1

分类专栏： AI程序员算法机器学习深度学习神经网络

本文链接：https://blog.youkuaiyun.com/weixin_41697507/article/details/97664350

版权

AI程序员同时被 3 个专栏收录

166 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

机器学习

161 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

算法

161 篇文章

订阅专栏

本文提出了一种上下文感知的U-Net（CA-U-Net），用于解决生物医学图像分割问题。传统U-Net尽管通过跳层连接捕获了局部特征，但未充分利用上下文信息。为解决此问题，作者设计了一个上下文转移模块，该模块沿四个方向学习丰富的上下文，并生成对应输入卷积特征图的上下文特征图，从而提高分割性能。实验结果显示，CA-U-Net在ISBI挑战赛中取得了最先进的分割性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Context-Aware U-Net for Biomedical Image Segmentation

Jiaxu Leng , Ying Liu , Tianlin Zhang , Pei Quan , Zhenyu Cui
School of Computer and Control Engineering, University of Chinese Academy of Sciences, Beijing 101400, China

Data Mining and High Performance Computing Lab., University of Chinese Academy of Sciences, Beijing 101400, China z Key Lab. of Big Data Mining and Knowledge Management, Chinese Academy of Sciences, Beijing 100190, China

Abstract—Biomedical image segmentation is challenging for the lack of training data. U-Net has achieved good performance with small scale datasets through skip connections to merge fea-tures of low-level layers and high-level layers. Ho

了解本专栏