Tensorflow入门教程（三十一）——AttentionGatedVNet3D

之前一直在分享医学影像分割挑战赛的心德，模型基本上都是VNet模型，那么今天我将分享VNet改进模型即AttentionGatedVNet，并用tensorflow来实现该网络模型。

1、VNet模型

大家看过我之前的文章，肯定对VNet模型已经非常熟悉了，该结构出自2016年发表的一篇论文《V-Net:Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation》，关于该网络具体的细节可以阅读原文，我这里就不多说了。

2、Attention Gate模块

Attention Gate模块来自2018年发表的论文《Attention U-Net:Learning Where to Look for the Pancreas》，该文章提出一种注意力门模型（AG），在分割模型中加入该模块进行训练，可以抑制学习与任务无关的特征，同时加强学习与任务有关的特征。

Attention Gate模块结构如下图所示，相应数学表示如图所示。关于该模块具体的细节可以阅读原文，我这里就不多说了。

3、AttentionGatedVNet3D模型

AttentionGatedVNnet3D和VNet3D的区别就在于解码模块，VNet3D模型是将编码模块的输出直接作为用于解码模块的输入，而AttentionGatedVNnet3D模型是将编码模块的输出先进行Attention Gate然后输入到解码模块中。 结构示意图如下所示。

我用Tensorflow复现了AttentionGatedVNet3D网络。

具体实现我已经分享到github上：https://github.com/junqiangchen/AttentionGatedVNet3D。

如果大家觉得这个项目还不错，希望大家给个Star并Fork，可以让更多的人学习。如果碰到任何问题，随时留言，我会尽量去回答的。