科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
