优化交叉熵权重和利用自编码器进行后处理以增强医学图像分割
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种针对医学图像分割的深度学习方法，对于皮肌炎数据集，在 ResNet 系列编码器上，我们的方法相对于 U-Net 和 U-Net++ 的当前最先进技术平均提高了 12.26% 和 12.04%，同时我们还探究了优化损失函数权重的重要性，并在三个具有挑战性的医学图像分割任务上对我们的方法进行了基准测试。
本文提出了一种针对医学图像分割的深度学习方法，相对于U-Net和U-Net++，在ResNet编码器上平均提高了12.26%和12.04%。研究了优化损失函数权重的重要性，并在三个医学图像分割任务上进行了基准测试。
