EffiSegNet：基于预训练的 EfficientNet 网络和简化解码器的胃肠息肉分割
原文中文，约500字，阅读约需1分钟。发表于：。EffiSegNet 是一种新的分割框架，利用预训练的卷积神经网络分类器作为主干，采用全尺度特征融合和简化解码器的方式降低计算成本和参数数量，在公开可用的 Kvasir-SEG 数据集上取得了最先进的结果，通过迁移学习和从头训练也取得了出色的性能，突出了图像分割网络中精心设计的编码器的重要性和迁移学习方法的有效性。
本文介绍了一种名为“DUCK-Net”的监督卷积神经网络架构，能够从少量的医学图像中学习和概括，以进行准确的分割任务。该模型利用编码器-解码器结构、残差下采样机制和自定义卷积块来处理图像信息。通过数据增强技术提高模型性能。在结肠镜图像的息肉分割方面展示了该方法的能力。在多个数据集上评估结果表明，该方法在Dice系数、Jaccard指数、精确度、召回率和准确度等方面取得了最先进的结果。代码已在GitHub上公开。
