点击下方“ReadingPapers”卡片，每天获取顶刊论文解读
论文信息
题目：I2U-Net: A dual-path U-Net with rich information interaction for medical image segmentation
I2U-Net：具有丰富信息交互的双路径U-Net用于医学图像分割
作者：Duwei Dai, Caixia Dong, Qingsen Yan, Yongheng Sun, Chunyan Zhang, Zongfang Li, Songhua Xu
源码链接：https://github.com/duweidai/I2U-Net
创新点
提出了一种新颖的双路径U-Net（I2U-Net），用于医学图像分割任务。该网络通过丰富的信息交互机制，使得网络能够学习到包含低级细节描述和高级语义抽象的综合特征。
设计了一个多功能信息交互模块（MFII），该模块能够实现跨路径、跨层以及跨路径和层的信息交互，允许网络的深层学习到更全面的特徴，同时促进了历史信息的重用和重新探索。
提出了一个全面信息融合和增强模块（HIFA），该模块结合了局部和全局操作的优势，能够从更广泛的频率范围内灵活地学习区分性信息，有效地桥接编码器和解码器。
在四个具有挑战性的任务上进行了广泛的实验，包括皮肤病变、息肉、脑肿瘤和腹部多器官分割，实验结果一致表明I2U-Net在性能和泛化能力方面优于其他最先进的方法。
开源了I2U-Net的代码，以便研究社区进一步研究和应用该网络。代码可在GitHub上找到。
