MICCAI 2024｜即插即用！SelfReg-UNet：用于医学图像分割的自正则化 UNet

文章预览

↑ 点击 蓝字  关注极市平台 编辑丨极市平台 极市导读   所提出的方法可以即插即用的方式集成到现有的UNet架构中，并且不增加计算成本。实验结果表明，所提方法在4种医学图像分割数据集上持续提高了标准UNets的性能。  >> 加入极市CV技术交流群，走在计算机视觉的最前沿 文章《SelfReg-UNet: Self-Regularized UNet for Medical Image Segmentation》由Wenhui Zhu、Xiwen Chen、Peijie Qiu等人撰写，发表于顶级学术会议MICCAI。通过Unet中自信息提升性能, 可以即插即用在大部分主流的Unets模型中. Paper link: https://arxiv.org/pdf/2406.14896 Open-source code: https://github.com/ChongQingNoSubway/SelfReg-UNet 这篇文章提出了一种自正则化的即插即用的技术，旨在改善标准UNet的性能，特别是针对医学图像分割任务。UNet自推出以来，在医学图像分割任务中表现优异。然而，尽管有许多研究致力于提升UNet ………………………………