MSA2Net:多尺度自适应注意引导医学图像分割网络
原文中文,约300字,阅读约需1分钟。发表于: 。介绍了一种名为 MSA2Net 的新型深度分割框架,采用了快速设计的跳跃连接,通过动态加权和组合粗粒度编码器特征与细粒度解码器特征图,实现特征融合。该模型利用多尺度自适应空间注意力门控动态调整感受野,以突出选择性高的空间相关特征,同时降低背景干扰,通过对多个数据集的广泛评估表明,MSA2Net 的性能优于当前最先进的方法或与其相匹配。
提出了MS-Twins(Multi-Scale Twins)分割模型,通过结合不同尺度和级联特征,能更好地捕捉语义和细粒度信息,解决了医学图像分割中的最优化问题。在Synapse和ACDC两个数据集上,MS-Twins相较于现有网络结构有了显著进展,在Synapse数据集上的性能比SwinUNet高出8%,与nnUNet相比,在Synapse和ACDC上MS-Twins的性能稍有优势。