HF-UNet: Learning Hierarchically Inter-Task Relevance in Multi-Task U-Net...阅读记录

阅读目的：老师分享，大概目的是为了让我多了解一些多任务学习的思想吧（利用任务间的关联性）

标题：HF-UNet: Learning Hierarchically Inter-Task Relevance in Multi-Task U-Net for Accurate Prostate Segmentation in CT images

在多任务U-Net中学习分层任务间相关性，以准确分割CT图像中的前列腺

作者团队：南京大学医学院 Junfeng Zhang

来源：arXiv 2020 被引 1

源码链接：无

数据集链接：略

---

 

摘要部分笔记：

1、为了精准分割前列腺，文中将前列腺分割分成一个多任务学习框架，一个主要任务是分割前列腺，一个辅助任务是勾画前列腺边界。（为CT图像中不清楚的前列腺边界提供额外指导）

2、传统的多任务网络通常会共享大部分参数（即特征表示）但这可能会限制其数据拟合能力，因为不同任务的特性不可避免地被忽略。

3、本文提出的HF-Unet为两个任务设计两个互补的分支，新的基于attention的任务一致性学习块在两个decoder分支间的每一层进行通讯。因此，HF-UNet既能学习到不同任务不同层次间的共享特征，也能保留不同任务的特性。

 

介绍部分笔记（含文献综述）：

1、本文提出的HF-UNet再早期分支和晚期分支的多任务网络间进行权衡，实验了一个符合基本迁移学习规则的松散框架，以最小化两个输入域的特征差异为目标，充分体现了最小化两种分布差异&#x