BriefGPT - AI 论文速递
·
基于注意力和池化的三维 CT 图像乙状结肠分割
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文介绍了基于双解码器注意力网络的新型架构DDANet，经过Kvasir-SEG数据集训练并在未见数据集上测试，达到了很好的性能表现，证明了模型的泛化能力。Dice系数为0.7874，mIoU为0.7010，召回率为0.7987，精度为0.8577。
🎯
关键要点
- 提出了一种新型架构 DDANet，基于双解码器注意力网络。
- 在 Kvasir-SEG 数据集上进行训练，并在未见数据集上测试。
- 模型性能表现良好，Dice 系数为 0.7874。
- mIoU 为 0.7010，召回率为 0.7987，精度为 0.8577。
- 证明了模型的泛化能力。
🏷️
标签
➡️
