Information Fusion 2025 | 揭秘AHF-U-Net与其不确定性感知版本

        在医学图像分割的世界里，精准与信任同样重要。一张图像的分割结果可能直接影响医生的诊断，而如果AI模型本身无法说明“它有多确定”，我们又如何放心依赖它呢？近日发表于 Information Fusion 期刊的研究《Attention-guided hierarchical fusion U-Net for uncertainty-driven medical image segmentation》提出了一种创新的方法——AHF-U-Net，并进一步构建了其不确定性感知版本UA-AHF-U-Net，为“可信AI医学图像分割”打开了新路径。

🎯 为什么这项研究值得关注？

传统的医学图像分割模型，如经典的U-Net及其衍生版本（U-Net++、U-Net 3+），虽取得了很好的分割性能，但大多忽视了一个关键问题：模型是否对自己的判断有信心？

本研究提出的AHF-U-Net不仅追求更高的分割精度，还通过引入注意力机制（attention）和不确定性量化（uncertainty quantification），构建了一个更