![8c278ff86a7364534a3bb96548822c40.png](https://i-blog.csdnimg.cn/blog_migrate/54fbd0af293a6c7aa20115c3e3bf04bb.jpeg)
1 Introduction
因为CNN具有强表征,快速推断和权值共享的特点,CNN在图像的自动分割方面展现出越来越好的效果。尤其是FCN和UNet 的出现,医学图像的分割也取得了不错的效果,但是由于医学图像本身的特点(待分割的器官/组织在形状和大小上变化多样),所以这方面是医学图像要解决的难点之一。
一种常见的做法是将分割分为两步,即检测+分割,先确定待分割的器官/组织的ROI,再进行小区域的分割。
本文提出的方式是使用带有soft attention的Unet,通过下一级的feature来监督上一级的feature来实现attention机制(将激活的部分限制于带分割的区域,减小背景的激活值来优化分割,实现端到端的分割)