BriefGPT - AI 论文速递
·
HES-UNet：用于肝囊虫病病灶分割的U-Net
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出HES-UNet模型，解决肝囊虫病病灶分割中的特征融合不足问题。该模型结合卷积层和注意力模块，显著提高了分割精度，Dice相似系数达到89.21%。
🎯
关键要点
- 本研究提出HES-UNet模型，解决肝囊虫病病灶分割中的特征融合不足问题。
- HES-UNet模型结合了卷积层和注意力模块，有效捕捉局部和全局特征。
- 该模型采用多方向下采样和多尺度特征聚合技术，显著提高分割精度。
- 实验结果表明HES-UNet在数据集上的Dice相似系数达到89.21%，优于现有方法。
➡️
