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。
粗读Bladder Wall Segmentation in MRI Images via Deep Learning andAnatomical Constraints
最新推荐文章于 2024-07-24 23:02:15 发布