论文标题：L-SNet: from Region Localization to Scale Invariant Medical Image Segmentation 论文链接：https://arxiv.org/abs/2102.05971 作者单位：同济大学 本文提出两阶段医学图像分割网络，在第一阶段，L-Net以定位RoI； 在第二阶段，S-Net对校准后的RoI进行精细分割，性能优于Attention U-Net等网络。

Coarse-to-fine模型和级联分割架构被广泛采用以解决医学图像分割中大尺度变化的问题。但是，这些方法有两个主要局限性：第一阶段的分割成为性能瓶颈； 总体差异性的缺乏使得两个阶段的训练过程异步且不一致。 在本文中，我们提出了一种可区分的两阶段网络架构来解决这些问题。在第一阶段，定位网络（L-Net）以检测定位感兴趣的区域（RoI）； 在第二阶段，分割网络（S-Net）对重新校准后的RoI进行精细分割。 L-Net和S-Net之间的RoI重新校准模块消除了不一致之处。 在公共数据集上的实验结果表明，我们的方法在计算开销上可忽略不计，超过了最新的从粗到精模型。

内容中包含的图片若涉及版权问题，请及时与我们联系删除