Nested-UNet

新型HistoSeg++模型提升医学影像生物标志物分割精度

研究人员开发了HistoSeg++，一种新颖的Nested-UNet架构，旨在改进医学影像中的生物标志物分割。该新模型集成了内部和外部注意力单元，以增强上采样过程中的焦点，并使用squeeze-and-excitation模块进行通道特征重校准。此外，还采用了边缘感知损失函数来提高边界精度。在三个公开数据集上进行的测试表明，与现有的Nested-UNet方法相比，HistoSeg++展现出更优越的泛化性能。