学习笔记：AAU-net: An Adaptive Attention U-net for Breast Lesions Segmentation in Ultrasound Images

最新推荐文章于 2025-06-03 12:01:42 发布
原创 最新推荐文章于 2025-06-03 12:01:42 发布 · 714 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#学习 #笔记

本文探讨了在深度学习领域，如何通过将Unet的传统下采样模块替换为具有通道和空间注意力机制的HAAM模块，以及该模块中使用的特定卷积操作，以提升模型性能。

一、结构

二、创新点

1、将传统Unet的下采样模块换成了HAAM模块

2、HAAM模块先通道注意力机制，后空间注意力机制

3、在HAAM模块开头，使用3*3卷积、5*5卷积以及3*3的空洞卷积

        ps.通道注意力机制学习各通道的重要性，空间注意力机制捕获重要特征。

qq_46127772
关注
AAU-net:An Adaptive Attention U-net for BreastLesions Segmentation in Ultrasound Images用于超声图像中乳腺病变分割
Together_CZ的博客
02-08 814
AAU-net:AnAdaptiveAttentionU-netforBreastLesionsSegmentationinUltrasoundImages 用于超声图像中乳腺病变分割的自适应注意力U-net
重新思考U-Net在医学超声图像分割中的应用（NU-net）
weixin_45622568的博客
12-12 3593
乳腺肿瘤分割是帮助我们描述和定位肿瘤区域的关键步骤之一。然而，乳腺肿瘤。
Breast Ultrasound：乳腺超声图像数据集、分割和分类数据集
08-29
Breast Ultrasound：乳腺超声图像数据集 标签类别： 0 表示背景，255 前景 数据做了对比度拉伸、resize、像素点映射等等变换，其中数据和标签均为png格式。 乳腺超声数据集分为三类：正常、良性和恶性图像，平均图像大小为 500*500 像素。分类和包含gt的分割数据集，约700张图像
AAU-net: 用于超声图像中乳腺病变分割的自适应注意力U-Net
Philo的博客
10-07 3988
TMI2023年较新的一篇写乳腺分割的文章，文章创新点易懂，重点是实验部分做的很充分。
Beyond Adapting SAM:Towards End-to-EndUltrasound Image Segmentation via AutoPrompting自动提示实现端到端超声图像分割
Together_CZ的博客
12-15 1172
Beyond Adapting SAM:Towards End-to-EndUltrasound Image Segmentation via AutoPrompting自动提示实现端到端超声图像分割
AAU-net An Adaptive Attention U-net for Breast Lesions Segmentation in Ultrasound Images.zip
02-01
AAU-net（自适应注意力U-net）是一种专门为乳腺病变超声图像分割设计的深度学习模型。该模型基于U-net架构，U-net是一种广泛应用于医学图像分割的卷积神经网络（CNN），其结构特点是对称的编码器-解码器，可以实现...
科技专题研究：MWC：关注5G-A-AIGC-卫星通信.pdf
07-22
- **中兴通讯**：发布了业界首创的恒定功放效率UBR产品和超万兆体验的AAU产品，并探索了5G低空和卫星通信的新品。 这些创新产品和技术的应用将进一步提升5G网络的性能，满足更高带宽、更低延迟的需求，并为卫星通信...
VICINITY-AAU-VAS-Solar-irradiance-forecast:本文档介绍了AAU VAS的适配器-太阳辐照度预测
04-15
VICINITY-AAU-VAS-太阳能辐照度预测 本文档介绍了AAU VAS的适配器-太阳辐照度预测。 基础架构概述 为拥有光伏面板的住宅和公共事业提供短期的太阳辐射辐照预测和报告，以增强能源管理系统的功能。 适配器充当...
p2-groupformation:AAU P2项目
03-31
"p2-groupformation: AAU P2项目"很可能是一个由JavaScript驱动的项目，旨在实现特定的团队组建或协作功能。项目名称中的"P2"可能代表项目的第二阶段或者某种特定的分类标准。 在JavaScript中，"group formation...
ESKNet：一种用于超声乳腺肿瘤分割的增强型自适应选择核卷积
qq_45880982的博客
04-01 1353
乳腺癌已成为威胁任何妇女生命的最可怕的疾病之一。准确的靶病变分割对于早期临床干预和术后随访至关重要。最近，已经提出了许多用于从超声图像中分割乳腺肿瘤的卷积神经网络（CNN）。然而，复杂的超声模式和多变的肿瘤形状和大小带来的挑战，准确分割的乳腺病变。受选择性核卷积的启发，我们引入了一种用于乳腺肿瘤分割的增强型选择性核卷积，该卷积集成了多个特征图区域表示，并从通道和空间维度自适应地重新校准这些特征图区域的权重。这种区域重新校准策略使网络能够更多地关注高贡献区域特征，并减轻对不太有用区域的干扰。
解锁乳腺超声图像分割新利器：AAU-Net 的自适应注意力魔法
diidiii的博客
04-10 1018
如果你对代码实现细节感兴趣，可以私信我。本人已完全复现本本文模型。
【论文简述及翻译】AANet: Adaptive Aggregation Network for Efficient Stereo Matching（CVPR 2020）
qq_43307074的博客
11-08 2846
【论文简述及翻译】AANet: Adaptive Aggregation Network for Efficient Stereo Matching（CVPR 2020）
【乳腺超声、乳腺钼靶、宫颈癌、CT骨折】等项目数据调研，及相关参考内容整理汇总
钱多多先森
09-26 1028
本文作为一个项目调研笔记，方便更多需要的人可以参考。如果万幸你也在做同样的项目，那直接借鉴就可以了
顶会最爱的注意力机制，我整理了2025最新魔改方案，高效涨点！
最新发布
06-03 1571
在人工智能领域，注意力机制模拟人类“选择性关注”的认知能力，使模型能够聚焦关键信息，从而提升任务表现，在计算机视觉、自然语言处理等方向展现出巨大潜力。传统CNN与RNN在建模长距离依赖方面存在局限，而注意力机制通过“动态权重分配”有效增强特征表达能力，成为Transformer及其变体的核心思想。当前研究正致力于解决其计算效率、局部与全局信息平衡、多模态融合等挑战，推动注意力机制向更轻量、更具泛化能力的方向发展。理解其内在逻辑，有助于把握深度学习的发展脉络，并加速实际应用落地。
DBU-Net：用于乳腺超声图像中肿瘤分割的双分支U形网络
qq_45880982的博客
04-03 1760
乳腺超声医学图像通常具有低成像质量沿着不清楚的目标边界。这些问题使得医生在诊断患者时准确识别和概述肿瘤具有挑战性。由于精确的分割是至关重要的诊断，有一个强烈的需要，自动化的方法来提高分割的准确性，这可以作为一个技术辅助诊断。最近，U-Net及其变体在医学图像分割中取得了巨大的成功。在这项研究中，从U-Net概念中汲取灵感，我们提出了一种新的U-Net架构变体，称为DBU-Net，用于乳腺超声图像中的肿瘤分割。为了提高编码器的特征提取能力，我们引入了一种新的方法，涉及利用两个不同的编码路径。
[DAU-FI Net开源 | Dual Attention UNet+特征融合+Sobel和Canny等算子解决语义分割痛点]
weixin_47869094的博客
12-28 2981
提出的架构，双注意力U-Net与特征融合（DAU-FI Net），解决了语义分割中的挑战，特别是在多类不平衡数据集上，这些数据集具有有限的样本。DAU-FI Net 整合了多尺度空间-通道注意力机制和特征注入，以提高目标定位的准确性。核心采用了一个多尺度深度可分离卷积块，捕获跨尺度的局部模式。这个块由一个空间-通道挤压与激励（scSE）注意力单元补充，该单元模拟特征图中通道和空间区域之间的依赖关系。此外，附加注意力门通过连接编码器-解码器路径来优化分割。为了增强模型，使用Gabor滤波器进行纹理分析，使用S
FRBNet: Feedback refinement boundary network for semantic segmentation in breast ultrasound images
weixin_45622568的博客
10-23 543
目前，大多数乳腺肿瘤分割方法侧重于提取多尺度信息和融合上下文信息，而低估了特征信息在分割任务中帮助识别目标边界的重要性。具体而言，CCM在融合低级特征映射和高级特征映射之前，首先采用重分布特征通道响应的方法，增强携带关键目标信息的通道，抑制低级特征映射中的噪声通道。然后，BD模块通过额外学习乳腺肿瘤的边界，提高分割结果中边界的质量，为后续的预测提供准确的边界特征信息。然而，这些传统方法是基于数据集的特征，然后实现手工设计的特征，如纹理特征或位置信息，这些特征不稳定，抗干扰能力差，容易受到成像质量的影响。
DA-DSUnet: Dual Attention-based Dense SU-net for automatic headand-neck tumor segmentation in MRI im
Acmer_future_victor的博客
10-16 1449
DA-DSUnet: Dual Attention-based Dense SU-net for automatic headand-neck tumor segmentation in MRI images DA-DSUnet：基于双重注意力的Dense SUNet在MRI图像头颈部肿瘤自动分割中的应用 期刊：Neurocomputing 中科院SCI期刊分区：二区 大类学科：计算机科学 小类学科：计算机，人工智能 发表时间：2021年 Abstract 对头颈部最常见的肿瘤–鼻咽癌(NPC)在
GASA-UNet：用于医学图像分割的全局轴向自注意力U-Net
小白学视觉
11-07 284
点击下方“ReadingPapers”卡片，每天获取顶刊论文解读论文信息题目：GASA-UNet: Global Axial Self-Attention U-Net for 3D Medical Image SegmentationGASA-UNet：用于3D医学图像分割的全局轴向自注意力U-Net作者：Chengkun Sun，Russell Stevens Terry，Jiang Bian，...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值