ET-Net：一种通用的边缘注意力引导网络用于医学图像分割

分割是医学图像分析中的一个基本任务。然而，现有的大多数方法主要集中在主要区域的提取上，而忽略了边缘信息，后者对于获得准确的分割结果非常有用。在本文中，我们提出了一种通用的医学分割方法，称为边缘注意力引导网络（Edge-aTtention guidance Network, ET-Net），该方法通过嵌入边缘注意力表示来指导分割网络。具体而言，利用了一个边缘引导模块在早期编码层中学习边缘注意力表示，并将其传递到多尺度解码层，然后使用加权聚合模块进行融合。我们在四个分割任务上的实验结果（即视网膜图像中的视盘/视杯和血管分割，以及胸部X光片和CT图像中的肺部分割）表明，保留边缘注意力表示有助于提高最终的分割精度，我们的方法优于当前最先进的分割方法。我们的方法的源代码可在https://github.com/ZzzJzzZ/ETNet 获取。