UADSN: Uncertainty-Aware Dual-Stream Network for Facial Nerve Segmentation

面神经分割对于耳蜗植入手术的术前路径规划至关重要。最近，研究人员提出了一些分割方法，如基于图谱和基于深度学习的方法。然而，由于面神经是一种直径仅为1.0-1.5mm的管状器官，在CT扫描中定位和分割面神经是具有挑战性的。在本文中，我们提出了一种不确定性感知的双流网络（UADSN）。UADSN由2D分割流和3D分割流组成。两个流的预测用于识别不确定区域，并采用一致性损失来监督这些区域的分割。此外，我们在U形网络的跳跃连接中引入了通道压缩和空间激励模块，以提取有意义的空间信息。为了考虑拓扑保持，我们在监督损失函数中引入了clDice损失。面神经数据集上的实验结果证明了UADSN及其子模块的有效性。

解决面神经分割在人工耳蜗手术中的重要性，以及如何在CT扫描中准确地定位和分割面神经这一难题。

提出了一种基于不确定性感知的双流网络（UADSN），由2D和3D分割流组成。通过对两个流的预测进行比较，确定不确定区域，并使用一致性损失来监督这些区域的分割。同时，引入通道压缩和空间激励模块来提取有意义的空间信息，并且采用clDice损失函数来考虑拓扑保持。

论文在人工耳蜗手术中面神经分割的问题上提出了新的解决方案。实验中使用了面神经数据集，并且证明了UADSN和子模块的有效性。论文还引入了通道压缩和空间激励模块以及clDice损失函数，这些都是值得关注的亮点。

最近的相关研究包括基于图像分割和深度学习的方法。例如，基于U-Net的方法和基于Atlas的方法。