用于 CT 体积图像自动肝脏分割的 3D 深度监督网络
计算机视觉与模式识别
2016-07-05 v1
摘要
从 CT 体积图像中自动分割肝脏是计算机辅助肝病诊断与治疗的一项关键前提，同时也是一项具有挑战性的任务。本文提出了一种新颖的 3D 深度监督网络（3D DSN）来应对这一挑战性任务。所提出的 3D DSN 利用了全卷积架构的优势，能够进行高效的端到端学习和推理。更重要的是，我们在学习过程中引入了深度监督机制，以应对潜在的优化困难，从而使模型获得更快的收敛速度和更强的判别能力。在 3D DSN 生成的高质量评分图之上，进一步采用条件随机场模型以获得精细的分割结果。我们在公开的 MICCAI-SLiver07 数据集上评估了我们的框架。大量实验表明，我们的方法在分割结果上与最先进的方法相比具有竞争力，且处理速度更快。
引用
@article{arxiv.1607.00582,
title = {3D Deeply Supervised Network for Automatic Liver Segmentation from CT Volumes},
author = {Qi Dou and Hao Chen and Yueming Jin and Lequan Yu and Jing Qin and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:1607.00582},
year = {2016}
}
备注
Accepted to MICCAI 2016