医图顶会 MICCAI'24 | SelfReg-UNet：用于医学图像分割的自正则化UNet

文章预览

前言   本文探索了UNet中学习到的模式，并观察到两个可能影响其性能的重要因素：（i）由不对称监督引起的无关特征学习；（ii）特征图中的特征冗余。为此，提出平衡编码器和解码器之间的监督，并减少UNet中的冗余信息。具体来说，使用包含最多语义信息的特征图（即解码器的最后一层）为其他块提供额外的监督，并通过利用特征蒸馏来减少特征冗余。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 论文信息 题目：SelfReg-UNet: Self-Regularized UNet for Medical Image Segmentation SelfReg-UNet：用于医学图像分割的自正则化UNet 作者：Wenhui Zhu, Xiwen Chen, Peijie Qiu, Mohammad Farazi, Aristeidis Sotiras, Abolfazl Razi, and Yalin Wang 原文链接：https://github.com/ChongQingNoSubway/SelfReg-UNet 2  论文 ………………………………