甲状腺结节分割与诊断的形状边缘知识增强网络
原文中文，约200字，阅读约需1分钟。发表于：。该论文提出了一种形态 - 边缘知识增强网络（SkaNet），用于同时进行甲状腺结节分割和诊断，并通过多任务损失函数和约束惩罚项共同优化，以嵌入形态和边缘特征，并建模甲状腺结节诊断结果与分割蒙版之间的关系。
本文提出了一种基于多编码器的自适应硬注意力网络(MESAHA-Net)的方法，用于CT扫描中肺结节的精确分割。该方法包含关注块和解码器块，采用了新颖的自适应硬注意力机制，能够在不同种类的输入下针对肺结节进行2D逐层分割，生成3D容积分割。经LIDC-IDRI数据集评估后发现，在医疗实现中具有高鲁棒性和更好的分割精度和计算复杂度。
