RL-Unet多器官分割网络

小目标分割更准

结合局部归纳偏置与残差MLP，并采用密集双上采样模块融合多尺度特征，实现更精准的多器官分割。

Qirui, Zhang · 徐兵 · Hu, Liu · Yu, Zhang · Yu, Zhiqiang

Applied Sciences (Switzerland) 2024

技术优势

小目标更准

密集双上采样与多尺度损失函数共同增强小目标分割，HD95显著更低。

多尺度特征融合

新的密集双上采样模块融合多尺度特征，提高目标区域分割精度。

局部与全局兼顾

局部归纳偏置模块与残差MLP结合，同时建模局部与远程依赖，减少特征丢失。

应用场景

• 手术规划：为术前风险判断提供精准器官边界。
• 医学影像分析：融合多尺度特征，提升影像分割的通用精度。
• 计算机辅助诊断：可靠分割小病灶，辅助早期发现病变。
• 放射治疗：提供更精确的靶区和危及器官勾画。