2 个月前

一种改进的注意力U-Net用于病灶分割的新型Focal Tversky损失函数

Nabila Abraham; Naimul Mefraz Khan
一种改进的注意力U-Net用于病灶分割的新型Focal Tversky损失函数
摘要

我们提出了一种基于Tversky指数的广义焦损函数,以解决医学图像分割中的数据不平衡问题。与常用的Dice损失相比,我们的损失函数在训练小结构(如病灶)时,在精确度和召回率之间取得了更好的平衡。为了评估我们的损失函数,我们通过引入图像金字塔来改进注意力U-Net模型,从而保留上下文特征。我们在BUS 2017数据集和ISIC 2018数据集上进行了实验,其中病灶分别占图像面积的4.84%和21.4%,结果表明,与标准U-Net相比,我们的方法分别提高了25.7%和3.6%的分割准确性。

一种改进的注意力U-Net用于病灶分割的新型Focal Tversky损失函数 | 最新论文 | HyperAI超神经