U-Det：一种改进的双向特征网络U-Net结构用于肺结节分割

关注上方“深度学习技术前沿”，选择“星标公众号”，

资源干货，第一时间送达！

肺癌的早期诊断和分析涉及在计算机断层扫描（CT）图像中进行精确而有效的肺结节分割。但是，未知形状的视觉特征和CT图像中结节的周围环境对肺结节的可靠分割提出了一个挑战性问题。本文提出了一种资源高效的模型架构U-Det，它是一种端到端的深度学习方法可以解决手头上的任务。它在编码器和解码器之间合并了Bi-FPN（双向特征网络）。此外，它使用Mish**函数和掩码的权重，从而可以提高分割效率。 本次实验采用LUNA-16数据集上，该数据集包括1186个肺结节，在该数据集上对该模型进行了广泛的训练和评估。结果证明，U-Det架构的Dice相似系数优于现有的U-Net模型（DSC）为82.82％，并取得可与人类专家媲美的结果。

U-Det使用的Backbone:

论文传送带

便捷下载，请关注深度学习技术前沿公众号

• 后台回复“U-Det” 就可以获取《U-Det：一种改进的双向特征网络U-Net结构用于肺结节分割》论文下载链接

重磅！深度学习技术前沿-微信群已成立

扫码添加群助手，可申请加入 深度学习技术前沿 微信群，旨在交流深度学习方面的学习、科研、工程项目等内容，其中研究方向主要包括：机器学习、量化金融、图像识别、图像分类、目标检测、图像分割、人脸识别、模型剪枝与压缩、自然语言处理、知识图谱、强化学习、NAS、GAN、人体姿态估计、行人检测等。并且还会第一时间在群中分享一线大厂求职内推资料。

一定要备注：研究方向+学校/公司+姓名（如图像分割+浙大+李四），按照格式备注，可更快被通过且邀请进群。

???? 长按识别，即可加群

???? 长按识别，即可关注