乳腺超声精准分割
通过显式建模漏检与误检残差，网络对分割困难像素施加更多关注，在模糊边界与异质结构区域表现更稳健。
Chen, Gongping · 代煜 · 张建勋
Engineering Applications of Artificial Intelligence 2023
引入漏检残差网络和误检残差网络，使网络对难以预测的像素施加更多努力，提升分割准确性。
在SegNet中加入六个侧输出深监督模块，引导网络逐尺度学习预测精确的分割掩膜。
漏检残差网络中不同空洞率提供的感受野可提供更多全局信息，弥补深层卷积层中易丢失的全局特征。
在两个公开乳腺数据集上与多种先进方法使用五项定量指标比较，本方法取得最佳分割结果。