论文阅读 Abdominal Multi-organ Segmentation with Organ-Attention Networksand Statistical Fusion（OAN-RCs）

论文地址：https://arxiv.org/pdf/1804.08414.pdf

参考博客：https://blog.csdn.net/m0_37477175/article/details/95218265

        多器官分割网络，因为腹部器官大小不一，大的很大，小的很小。但是现有的Unet等分割网络不能很好地同时分割大小不一的器官，所以提出了下面这个方法。下图是整个网络结构：

        OAN包括两个阶段，通俗讲就是第一阶段大致分割出器官所在区域，第二阶段对第一阶段的分割结果进行细分。阶段一：在FCN网络的基础上加上反向链接，使得较低层获得更多语义信息，将语义信息从高层传递至底层。Rn表示每一层反向连接的结果，Vn表示对每一层的Rn都得到一个probablity map，然后通过Y进行辅助监督。

        然后正向卷积得到的激活map  A(b,1)，反向连接也得到一个map A(r,1)，两个map进行叠加得到A(f,1)。对激活map A(f,1)通过式1计算得到P（即第一张图中的P(1)）

      式1

式2

式3

根据式2，3，得到第二阶段的输入。之后就是正常的分割网络。

本人刚刚开始学习图像分割，在理解和表述上有偏差的地方，欢迎各位大佬的指正。

是指正不是批评噢，可别浇灭了我原本就不旺盛的学习小火苗，谢谢：）【鞠躬】

标签：map,Multi,Attention,分割,网络,反向,Statistical,器官,得到
来源： https://blog.csdn.net/qq_36334618/article/details/118578158