Y-Net：乳腺活检图像的分割和分类.
- paper：Y-Net: Joint Segmentation and Classification for Diagnosis of Breast Biopsy Images
- arXiv：link
作者提出了一种改进的UNet网络，在分割任务的基础上额外引入了分类任务，通过多任务学习提高了模型分割的性能。由于其在UNet的编码位置后增加了一个概率图预测结构，因此网络得名Y-Net。
Y-Net网络结构如上图所示。从原始的乳腺活检图像中选取一个感兴趣的区域输入Y-Net。Y-Net产生两种不同的输出：实例级的分割掩码和实例级的概率图。实例级的分割掩码用于预测八种不同的组织类型，这八种类型融合起来组成最终的分割掩码。实例级的概率图表示图中每个像素是否属于四个诊断类别之一的最大概率。概率图经过阈值二值化后与分割掩码相结合生成最终的分割结果。使用多层感知器从最终的分割结果中预测属于哪一个诊断类别。
分割和分类的结果如下图所示。实验表明Y-Net取得最好的性能：
