深度学习论文: U-Net and its variants for Medical Image Segmentation : A short review_an attention-oriented u-net model and global featu

作者：Cpp五条 | 2024-04-01 11:21:30

踩

an attention-oriented u-net model and global feature for medical image segme

深度学习论文: U-Net and its variants for Medical Image Segmentation : A short review
U-Net and its variants for Medical Image Segmentation : A short review
PDF: https://arxiv.org/pdf/2204.08470v1.pdf
PyTorch代码: https://github.com/shanglianlm0525/CvPytorch
PyTorch代码: https://github.com/shanglianlm0525/PyTorch-Networks

U-Net适用于医学图像处理的主要原因是在训练数据较少的情况下还能取得不错的性能。

U-Net网络的关键结构就是以下三个部分：

在这里插入图片描述

U-NET++网络是为了解决医学图像分割的精确性问题，从而提出的一种新的基于嵌套密集跳跃连接的分割体系结构。改变了原始U-Net网络层数，重新设计原网络中的跳跃连接，添加深度监督对不同分割任务剪枝到合适的网络，达到很好的分割效果。
在这里插入图片描述

R2U-Net把RNN和ResNet的结构整合到了encoder-decoder结构里，实验效果很好。
在这里插入图片描述

Attention U-Net将注意力机制应用于UNet分割网络中，可以比较好的实现对显著性区域的关注，以及对无关背景区域的抑制。
在这里插入图片描述
Attention U-Net: Learning Where to Look for the Pancreas

Trans U-Net在encoder结构上运用了transformer可以提取更好的特征。
在这里插入图片描述
TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Cpp五条/article/detail/348720?site