顶刊PR 2023！重新思考U-Net在医学超声图像分割中的应用（NU-net）

点击下方卡片，关注“CVer”公众号

AI/CV重磅干货，第一时间送达

点击进入—>【医学影像和图像分割】交流群

作者：Latte拿铁（源：知乎，已授权）| 编辑：CVer

https://zhuanlan.zhihu.com/p/660833202

在CVer微信公众号后台回复：超声分割，可以下载本论文pdf、代码，学起来！

所提出的嵌套U-Net（NU-net）架构通过减少网络对不同尺度输入图像的敏感性并进一步提高对目标或区域特征的特征化能力，从而改善了乳腺肿瘤的分割准确性。

Rethinking the Unpretentious U-net for Medical Ultrasound Image Segmentation

Gongping Chen, Lei Li, JianXun Zhang, Yu Dai

代码：https://github.com/CGPxy/NU-net

论文：https://arxiv.org/abs/2209.07193

乳腺肿瘤分割是帮助我们对肿瘤区域进行特征化和定位的关键步骤之一。然而，可变的肿瘤形态、模糊的边界和相似的强度分布给乳腺肿瘤的准确分割带来了挑战。最近，许多U-Net的变种已被提出并广泛应用于乳腺肿瘤分割。然而，这些结构存在两个限制：（1）忽视基准网络的特征化能力，以及（2）引入额外复杂操作增加了对网络的理解和重现的难度。为了缓解这些挑战，本文提出了一种简单而强大的嵌套U-Net（NU-net），用于精确分割乳腺肿瘤。关键思想是利用具有不同深度和共享权重的U-Net实现对乳腺肿瘤的稳健特征化。NU-net主要具有以下优点：（1）改善网络适应性和对不同尺度乳腺肿瘤的稳健性，（2）该方法易于重现和执行，以及（3）额外的操作增加了网络参数而不会显著增加计算成本。在三个公开的乳腺超声数据集上，与十二种最先进的分割方法进行的大量实验证明NU-net在乳腺肿瘤分割上具有更有竞争力的性能。此外，NU-net在肾脏超声图像分割中的稳健性也得到了进一步的证明。

扫码加入CVer知识星球，可以最快学习到最新顶会顶刊上的论文idea和CV从入门到精通资料，以及最前沿项目和应用！

在CVer微信公众号后台回复：超声分割，可以下载本论文pdf、代码，学起来！

点击进入—>【医学影像和图像分割】交流群

ICCV / CVPR 2023论文和代码下载

后台回复：CVPR2023，即可下载CVPR 2023论文和代码开源的论文合集

后台回复：ICCV2023，即可下载ICCV 2023论文和代码开源的论文合集

医疗影像和图像分割交流群成立
扫描下方二维码，或者添加微信：CVer444，即可添加CVer小助手微信，便可申请加入CVer-医疗影像或者图像分割 微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF等。
一定要备注：研究方向+地点+学校/公司+昵称（如医疗影像或者图像分割+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群

▲扫码或加微信号: CVer444，进交流群
CVer计算机视觉（知识星球）来了！想要了解最新最快最好的CV/DL/AI论文速递、优质实战项目、AI行业前沿、从入门到精通学习教程等资料，欢迎扫描下方二维码，加入CVer计算机视觉，已汇集数千人！
 
▲扫码进星球

▲点击上方卡片，关注CVer公众号

整理不易，请点赞和在看