用于心脏 MR 分割的 2D-3D 全卷积神经网络
计算机视觉与模式识别
2017-08-01 v1
摘要
本文中，我们开发了使用深度卷积神经网络（CNN）进行全自动心脏 MR 图像分割的 2D 和 3D 分割流程。我们的模型使用 ACD Challenge 2017 数据集从头端到端训练，该数据集包含 100 例研究，每例包含舒张末期和收缩末期相位的心脏 MR 图像。我们表明，两种分割模型在距离度量方面均达到接近最先进的性能分数，并在临床参数方面具有令人信服的准确性。通过引入一种新颖的 dice 损失函数及其与交叉熵损失的组合，提供了对比分析。通过探索不同的网络结构和全面的实验，我们讨论了获得最优模型性能的几个关键见解，这也是本挑战赛的核心主题。
引用
@article{arxiv.1707.09813,
title = {2D-3D Fully Convolutional Neural Networks for Cardiac MR Segmentation},
author = {Jay Patravali and Shubham Jain and Sasank Chilamkurthy},
journal= {arXiv preprint arXiv:1707.09813},
year = {2017}
}
备注
Accepted in STACOM '17