用于 MRI 中实时脑肿瘤分割的 3D 膨胀多纤维网络
计算机视觉与模式识别
2019-09-24 v5
摘要
脑肿瘤分割在医学图像处理中起着关键作用。本工作中，我们旨在分割脑 MRI 体数据。采用 3D 卷积捕获相邻切片间相关性的 3D 卷积神经网络（CNN）如 3D U-Net 和 V-Net 已取得令人印象深刻的分割结果。然而，这些 3D CNN 架构由于多层 3D 卷积而带来高计算开销，可能使这些模型在实用大规模应用中难以承受。为此，我们提出一种高效的 3D CNN 以实现实时密集体分割。该网络利用由一组轻量 3D 卷积网络组成的 3D 多纤维单元来显著降低计算成本。此外，使用 3D 膨胀卷积构建多尺度特征表示。在 BraTS-2018 挑战数据集上的大量实验结果表明，所提架构在保持脑肿瘤分割高精度的同时大幅降低了计算成本。源代码见 https://github.com/China-LiuXiaopeng/BraTS-DMFNet
引用
@article{arxiv.1904.03355,
title = {3D Dilated Multi-Fiber Network for Real-time Brain Tumor Segmentation in MRI},
author = {Chen Chen and Xiaopeng Liu and Meng Ding and Junfeng Zheng and Jiangyun Li},
journal= {arXiv preprint arXiv:1904.03355},
year = {2019}
}