论文部分内容阅读
针对传统医学图像分割网络存在边缘分割不清晰、缺失值大等问题，该文提出一种具有边缘增强特点的医学图像分割网络（AS-UNet）。利用掩膜边缘提取算法得到掩膜边缘图，在UNet扩张路径的最后3层引入结合多尺度特征图的边缘注意模块（BAB），并提出组合损失函数来提高分割精度；测试时通过舍弃BAB来减少参数。在3种不同类型的医学图像分割数据集Glas, DRIVE, ISIC2018上进行实验，与其它分割方法相比，AS-UNet分割性能较优。