医学论文笔记:TMI2021 SMU-Net: Saliency-Guided Morphology-Aware U-Net for Breast Lesion Segmentation ...
乳腺超声分割:文章指出周围组织(即背景)和病变区域(即前景)之间的模式复杂性和强度相似性给病变分割带来了挑战。考虑到背景中包含如此丰富的纹理信息,很少有方法尝试探索和利用背景显着表示来辅助前景分割。此外,BUS图像的其他特征,即1)低对比度外观和模糊边界,以及2)病灶形状和位置变化显着,也增加了准确病灶分割的难度。文中提出了saliency-guidedmorphology-awareU-Net(