UNet++： A Nested U Net Architecture for Medical Image Segmentation
论文地址¶
UNet++: A Nested U-Net Architecture for Medical Image Segmentation
摘要¶
Cite
在本文中，我们提出了UNet++，这是一种新的，更强大的医学图像分割架构。我们的架构本质上是一个深度监督的编码器-解码器 网络，其中编码器和解码器子网通过一系列嵌套的密集跳跃路径连接。重新设计的跳过路径旨在缩小编码器和解码器子网的特征图 之间的语义差距。我们认为，当来自解码器和编码器网络的特征图在语义上相似时，优化器将处理更容易的学习任务。 我们在多个医学图像分割任务中评估了UNet++与U-Net和宽U-Net架构的比较：胸部低剂量CT扫描中的结节分割， 显微镜图像中的细胞核分离，腹部CT扫描中的肝脏分割和结肠镜检查视频中的息肉分割。我们的实验表明， 在深度监督下，UNet++分别比U-Net和宽U-Net平均获得3.9和3.4分的IoU增益。
摘要可以看出，是Unet的改进版本，改进的方向是嵌套的密集跳跃连接，作者在结论部分中写道 “重新设计的跳过路径旨在减少编码器和解码器子网的特征图之间的语义差距，从而为优化器带来可能更简单的优化问题”。
网络结构¶
从网络结构图可以看出，Unet++相比于Unet，就是在编码路径和解码路径之间，新增了很多的隐藏节点，编码路径上的各个 节点都和这些隐藏节点密集连接再连接到解码路径上，也就是作者所说的减少编码解码之间特征图的语义差异。有点像语义版本的 全连接网络，另外一个考虑的点1是，这样可以让编解码器之间的连接更加紧密，对于一些特征，可能并不需要编码多次再解码回来就可以识别， 这样就可以通过其他的连接学习到。