粗读Bladder Wall Segmentation in MRI Images via Deep Learning andAnatomical Constraints

        模型分为两部分，左边是常规的分割网络，用的损失函数也是传统方法。但传统的损失函数只关注整体，不会关注边缘细节，导致性能难以进一步提升。所以作者提出了右半部分，将预测的标签图像和GT图像分别和原图像级联，得到新的图像，将两幅新的图像分别输入一个AC编码器，得到各自的特征，然后让特征尽可能接近。