RICAU-Net：残差块启发的坐标注意力U-Net用于心脏CT中小型稀疏钙化病变的分割
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了心脏CT中小型稀疏钙化病变（尤其是左主冠状动脉中的钙化）分割中的高类不平衡问题。提出的残差块启发的坐标注意力U-Net（RICAU-Net）采用两种不同方式整合坐标注意力，并使用定制的组合损失函数进行分割。实验结果显示，该方法在所有四种病变上达到了最高的骰子分数，特别是在左主冠状动脉的钙化病变上，相比其他方法具有显著优势。
该研究提出了一种基于Tversky指数的广义focal loss函数，用于解决医学图像分割中的数据不平衡问题。实验结果显示改进后的Attention U-Net模型在不同数据集上分割精度有所提高。
